[发明专利]基于双向自适应语义融合的水下目标识别方法有效
| 申请号： | 201810107755.X | 申请日： | 2018-02-02 |
| 公开（公告）号： | CN108447074B | 公开（公告）日： | 2020-04-03 |
| 发明（设计）人： | 李学龙;卢孝强;孙昊 | 申请（专利权）人： | 中国科学院西安光学精密机械研究所 |
| 主分类号： | G06T7/246 | 分类号： | G06T7/246;G06K9/62 |
| 代理公司： | 西安智邦专利商标代理有限公司 61211 | 代理人： | 杨引雪 |
| 地址： | 710119 陕西省西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于双向自适应语义融合的水下目标识别方法，主要解决现有水下目标识别方法依赖于声纳系统，易受复杂水下环境干扰，难以获得较好水下目标识别精度的问题。方法包括以下步骤：1)构建深层的卷积神经网络，学习水下图像的语义特征；2)构建双向自适应语义特征融合模块；3)构建回归模型；4)预测水下图像中目标位置及其类别。本发明建立基于双向自适应语义融合的卷积神经网络，得到对不同尺度目标均具有判别性的混合语义特征，提高水下目标识别准确率，可用于水下目标识别、水下军事侦察等领域。 | ||
| 搜索关键词： | 基于 双向 自适应 语义 融合 水下 目标 识别 方法 | ||
【主权项】：
1.一种基于双向自适应语义融合的水下目标识别方法，其特征在于，包括以下步骤：1)构建深层的卷积神经网络，学习水下图像的语义特征；利用卷积模块搭建卷积神经网络框架，并使用带动量的随机梯度下降法优化卷积神经网络，让卷积神经网络学习出水下图像的语义特征；2)构建双向自适应语义特征融合模块；将卷积神经网络不同卷积层的语义特征进行双向地自适应融合，得到对不同尺度目标均具有判别性的混合语义特征；3)构建回归模型；对得到的混合语义特征构建回归模型，使用带动量的随机梯度下降法优化回归模型；4)预测水下图像中目标位置及其类别；输入水下图像至训练好的卷积神经网络中，得到水下图像所包含的目标位置信息以及类别信息。
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中国科学院西安光学精密机械研究所，未经中国科学院西安光学精密机械研究所许可，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/201810107755.X/，转载请声明来源钻瓜专利网。
