• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Information Fusion >Ship Classification Using Deep Learning Techniques for Maritime Target Tracking
【24h】

Ship Classification Using Deep Learning Techniques for Maritime Target Tracking

机译：使用深度学习技术进行船舶目标跟踪的船舶分类

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the last five years, the state-of-the-art in computer vision has improved greatly thanks to an increased use of deep convolutional neural networks (CNNs), advances in graphical processing unit (GPU) acceleration and the availability of large labelled datasets such as ImageNet. Obtaining datasets as comprehensively labelled as ImageNet for ship classification remains a challenge. As a result, we experiment with pre-trained CNNs based on the Inception and ResNet architectures to perform ship classification. Instead of training a CNN using random parameter initialization, we use transfer learning. We fine-tune pre-trained CNNs to perform maritime vessel image classification on a limited ship image dataset. We achieve a significant improvement in classification accuracy compared to the previous state-of-the-art results for the Maritime Vessel (Marvel) dataset.
机译：在过去的五年中，由于越来越多地使用深度卷积神经网络（CNN），图形处理单元（GPU）的加速以及大型标签数据集的可用性，计算机视觉的最新技术已大大改善。例如ImageNet。获得像ImageNet一样被全面标记以进行船级分类的数据集仍然是一个挑战。结果，我们基于Inception和ResNet架构对经过预训练的CNN进行了实验，以进行船舶分类。代替使用随机参数初始化来训练CNN，我们使用转移学习。我们对经过预训练的CNN进行微调，以对有限的船舶图像数据集执行海上船舶图像分类。与以前的海事数据集（Marvel）的最新结果相比，我们在分类精度上有了显着提高。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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