[发明专利]一种基于全卷积神经网络的侧扫声纳图像特征提取方法有效
| 申请号： | 201910932848.0 | 申请日： | 2019-09-29 |
| 公开（公告）号： | CN110781924B | 公开（公告）日： | 2023-02-14 |
| 发明（设计）人： | 王宏健;高娜;陈涛;肖瑶;阮力;李本银 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于全卷积神经网络的侧扫声纳图像特征提取方法，利用原有的声纳图像进行数据增广，获得模型训练和测试所需的样本集；对样本集中的每幅图像的海底地形的边缘区域进行人工标注，区分目标和背景，获得模型训练和测试标签图；构建FCNs模型；将海底地形图像及对应的标签图输入网络，采用带动量项的小批量梯度下降法训练网络，保存最优网络模型；对比随机梯度下降法与小批量梯度下降法下网络的收敛性、稳定性；对地形边缘轮廓特征提取并输出特征提取结果，对结果进行定性评价。本发明方法无需复杂的预处理，声纳特征特征提取方法速度快、效率高，具有较强的抗散斑噪声的能力；提高了网络的性能，确保了FCNs各个网络模型的收敛性和稳定性。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 声纳 图像 特征 提取 方法 | ||
【主权项】：
1.一种基于全卷积神经网络的侧扫声纳图像特征提取方法，其特征在于，具体的实现步骤为：/n步骤1.利用原有的声纳图像进行数据增广，获得模型训练和测试所需的样本集；对样本集中的每幅图像的海底地形的边缘区域进行人工标注，将目标和背景用不同的类别区分，获得模型训练和测试所需的标签图；/n步骤2.构建全卷积神经网络模型，即构建FCNs模型；/n步骤3.将海底地形图像及对应的标签图输入网络，采用带动量项的小批量梯度下降法训练网络，保存最优的网络模型；/n步骤4.利用训练好的网络模型进行声纳图像海底地形边缘轮廓的特征提取并输出特征提取结果。/n
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910932848.0/，转载请声明来源钻瓜专利网。
- 上一篇：特征提取方法及装置
- 下一篇：软件页面的分类方法、装置、电子设备及存储介质
