科研之友
微信
新浪微博
Facebook
分享链接
摘要
神经网络技术已成为水下高速航行器目标检测的应用趋势,该技术需要大量的训练样本以保证训练结果的准确性。生成对抗网络(GAN)作为解决训练样本稀少问题的重要方法,被广泛应用在各个领域。文中针对水下样本特点对经典GAN模型进行改进,提出一种基于GAN的水下样本生成方法,以达到扩增训练样本的目的。首先构建适用于水下样本的GAN模型,然后以实航试验数据训练模型并优化参数,最后用该模型进行样本生成仿真并验证生成结果的有效性。仿真结果表明,生成样本与试验样本吻合较好,可实现试验样本的数据增强。该方法将有助于解决水下数据样本稀少问题,为进一步应用神经网络提高水下高速航行器目标检测的效率和准确率提供参考。
