基于MCNN-GRU的舰面目标碰撞预警方法

作者：汪丁; 黄葵; 朱兴动; 范加利; 王正

来源：兵工自动化, 2022, 41(08): 52-80.

• 卷积神经网络
• 门控循环单元
• 碰撞预警
• 循环神经网络
• 舰面目标

为提升甲板舰面目标的转运安全性，提出一种多个CNN-GRU(multipleCNN-GRU,MCNN-GRU)碰撞预警网络模型。该网络融合了卷积神经网络(convolutional neural network,CNN)对单时间步信息特征的提取能力以及门控循环单元(gate recurrent unit,GRU)对时序序列的记忆能力，通过多通道网络结构提升对多时间步信息特征的处理性能；在数据集上，利用目标检测网络和关键点检测网络、位姿解算模型及碰撞检测方法制作舰面目标碰撞预警数据集。通过不同网络在数据集上进行实验的结果表明：该模型对舰面目标的双机碰撞预警精度为92.44%，具有较好的效果。