基于卷积神经网络的机场图像目标识别

摘要

对机场等重要军事目标进行图像识别,有重要的理论价值和实用价值.不仅在军事领域起着十分重要的作用,而且也可以广泛应用于城市规划、遥感测绘等民用领域.目前基于线条或模板特征检测的识别方法,存在适应性弱、易受不同环境干扰等问题.本文研究了一种在Darknet框架上,基于卷积神经网络实现机场目标识别的方法,测试识别率达到93.2%,同经典的Alexnet网络相比,在保证精度的同时,得到的权值文件较小。当前工作是对卷积神经网络在目标识别问题上的一个的探索与试验,数据集规模和质量,网络迭代规模都比较有限,后续研究中,将扩充数据集规模,增加模型的识别类别,并利用该识别模型体量小的特点,扩展到对存储限制比较苛刻的FT-dsp等嵌入式平台上应用。这其中:加大数据集规模、提高数据质量,以及在多类别识别中,如何通过改变网络结构,降低运算规模、更有效地提取不同的特征将是要重点解决的问题。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号