一种利用迁移学习训练卷积神经网络的声呐图像识别方法

作者：朱兆彤; 付学志; 胡友峰

来源：水下无人系统学报, 2020, 28(01): 89-96.

• 声呐成像
• 目标自动识别
• 卷积神经网络
• 迁移学习

针对利用传统训练方法进行声呐图像识别时缺乏数据的问题,文中提出一种利用迁移学习训练卷积神经网络(CNN)实现声呐图像识别的方法。基于迁移学习的原理,通过对已有的预训练网络进行微调与重新训练,以减小对训练数据量的需求。随后利用缩比模型水池试验验证了该方法的有效性。试验结果表明,基于AlexNet预训练网络,相比传统的学习方法,迁移学习方法可以利用较少的训练数据,在较短的时间内通过训练达到95.81%的识别率。试验还对比了基于6种预训练网络进行迁移学习后的网络性能,结果表明基于VGG16的迁移网络识别率最高,可达到99.48%。最后,试验结果验证了CNN具有一定的噪声容忍能力,在较强噪声背景下,能保证较高的识别率。

• 单位
  中国船舶重工集团公司