联合迁移学习和深度学习的侧扫声呐沉船识别方法

作者：武铄; 王晓^*; 张丹阳; 周海波; 陈家儒

来源：河南科技, 2021, 40(36): 36-40.

• 侧扫声呐
• 深度学习
• 迁移学习
• 卷积神经网络

针对当前沉船侧扫声呐数据样本少、无法大量获取有标记的数据、小样本数据用于卷积神经网络模型正确识别率较低的问题,提出一种联合迁移学习和深度学习的沉船侧扫声呐图像识别方法。在不采用迁移学习的情况下,用沉船声呐样本数据集训练网络,将结果保存作为对照组。应用弱相关数据集,对网络进行训练,然后将网络参数迁移到新网络中,再使用沉船声呐样本数据集训练;应用强相关数据集重复上述步骤。在AlexNet网络结构上进行试验,试验结果表明:在未迁移的情况下,正确率为70.58%;应用弱相关数据集训练,正确率为74.51%;应用强相关数据集训练,正确率为80.39%。试验证明,迁移学习算法有利于提高小样本情况下卷积神经网络的正确率、泛化性。