首页> 中文会议>2018年全国声学大会 >基于异构多模态深度学习方法在水下目标识别中的应用

基于异构多模态深度学习方法在水下目标识别中的应用

页面导航

摘要
著录项
相似文献
相关主题

摘要

机器学习是目标识别的主要方法,在水声工程中,大量水声工作者尝试利用机器学习方法对水下目标进行分类识别.机器学习方法目前已经从浅层学习发展到深度学习.浅层学习结构需要依靠特征工程.深度学习是机器学习研究中的新领域,其在图像分类、语音识别、自然语言处理等领域取得的优异效果使其成为人工智能研究领域炙手可热的方法.目前已有将深度学习方法应用于水声目标识别的研究成果均针对单一数据模态进行处理.对于水声目标而言,其一维的时域信息以及二维的时频域数据均能够为目标的分类识别提供信息支撑,因此有必要针对水声目标的分类识别问题发展多模态数据结合的学习方法.本文提出一种异态多模构的深度学习水下目标分类识别方法,综合CNN的图像处理能力和RNN的语音识别能力,建立CNN与RNN的共享关联表示方法,并与单模态处理方法和传统的支持向量机方法进行性能对比.

著录项

来源
《2018年全国声学大会》|2018年|239-240|共2页
会议地点北京
作者
ZENG Sai; 曾赛; CHENG Jin-sheng; 程锦盛;
展开▼
作者单位

中国声学学会;

展开▼
会议组织
正文语种
原文格式 PDF
中图分类水声探测;
关键词
水声探测; 水下目标; 分类识别; 异构多模态深度学习;

相似文献

中文文献
外文文献
专利

1. 一种基于深度学习的异构多模态目标识别方法 [J] . 孟飞 ,胡超 ,刘伟荣 . 中南大学学报（自然科学版） . 2016,第005期
2. 基于FOS-ELM模型的深度学习方法在高边坡变形预测中的应用 [J] . 王伟力 ,张乃斌 ,谢海波 . 河南科学 . 2020,第007期
3. 基于DeepLearning4J on Spark深度学习方法在药用植物图像识别中应用初探 [J] . 赵彦辉 ,范欣宁 ,张建逵 . 中国中医药图书情报杂志 . 2018,第005期
4. 基于GA-KPCA的特征选择在水下目标识别中的应用 [J] . 严良涛 ,项晓丽 . 水下无人系统学报 . 2020,第001期
5. 基于GA-KPCA的特征选择在水下目标识别中的应用 [J] . 严良涛 ,项晓丽 . 鱼雷技术 . 2020,第001期
6. 深度学习方法及其在水下目标识别中的应用 [C] . WANG Qiang ,王强 ,ZENG Xiang-yang . 中国声学学会水声学分会2015年学术会议 . 2015
7. 肿瘤多模态影像放疗靶区分割深度学习方法 [A] . 张毛蛋 . 2020

基于异构多模态深度学习方法在水下目标识别中的应用

摘要

著录项

相似文献

相关主题

期刊订阅