[发明专利]一种基于卷积神经网络图片特征提取的船舶类型识别方法在审
| 申请号： | 201710295180.4 | 申请日： | 2017-04-28 |
| 公开（公告）号： | CN107145903A | 公开（公告）日： | 2017-09-08 |
| 发明（设计）人： | 黄靖;周高景;姜文 | 申请（专利权）人： | 武汉理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 湖北武汉永嘉专利代理有限公司42102 | 代理人： | 李丹 |
| 地址： | 430070 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络图片特征提取的船舶类型识别方法，包括以下步骤1)采集大量未分类的水上运行船舶图片进行图像预处理，处理后的图片作为卷积神经网络稀疏自编码训练数据集进行训练以获得船舶类型特征提取卷积神经网络；2)从水上运行船舶图片中提取训练集并对各张船舶图片标记类别，再将其输入到训练后的卷积神经网络中提取出各图片中的图片特征作为Softmax分类器的训练数据集进行训练；3)将需要识别的船舶图片输入到卷积神经网络中提取出各图片中的船舶特征，将船舶特征输入到经过训练的Softmax分类器中进行分类输出该船舶所对应船舶类型。本发明能够适应不断变化的环境和不确定的输入数据，快速并准确识别出船舶类型。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 图片 特征 提取 船舶 类型 识别 方法 | ||
【主权项】：
一种基于卷积神经网络图片特征提取的船舶类型识别方法，包括以下步骤：1)采集大量未分类的水上运行船舶图片进行图像预处理，处理后的图片作为卷积神经网络稀疏自编码训练数据集进行稀疏自编码训练以获得船舶类型特征提取卷积神经网络；该稀疏自编码训练过程为无监督自主学习；所述图像预处理包括将船舶图片进行像素小块分块操作，再将所得像素小块数据集进行主成分分析和ZCA白化处理；2)从水上运行船舶图片中提取一部分作为训练集并对各张船舶图片标记类别，进行图像预处理，再将其输入到训练后的卷积神经网络中提取出各图片中的各个船舶类型的图片特征；该过程为监督学习，将所得到的训练集船舶特征作为Softmax分类器的训练数据集对Softmax分类器进行训练；3)将需要识别的船舶图片输入到训练后的卷积神经网络中提取出各图片中的船舶特征，将该需识别图像的船舶特征输入到经过训练的Softmax分类器中进行分类输出该船舶所对应船舶类型，实现通过船舶图片识别船舶类型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉理工大学，未经武汉理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710295180.4/，转载请声明来源钻瓜专利网。
- 上一篇：一种新型四位气缸
- 下一篇：一种嵌入应急电源模块的安防监控摄像机
