基于多卷积神经网络融合的SAR舰船分类

摘要：

针对SAR图像中小型舰船分类准确率较低的问题,提出一种多卷积神经网络加权融合的方法.首先构建高分辨率卷积神经网络对特征图进行多尺度融合,引入微调模型和标签平滑减少训练过拟合的问题;然后利用高分辨网络、Mo?bileNetv2网络和SqueezeNet网络训练3种单分类模型;最后采用加权投票方式对3种分类模型的结果进行融合.采用融合算法对GF-3号舰船数据集进行分类实验,取得94.83％的准确率、95.43％的召回率和0.9513的F1分数的分类性能.实验结果表明,该舰船分类算法模型具有较优的分类能力,验证了其在高分辨率SAR图像舰船分类上的有效性.

关键词：SAR图像、高分辨率卷积神经网络、微调模型、标签平滑、加权投票、舰船分类

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61901445

在线出版日期：2023-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：37-42