基于对抗残差网络的复杂海况舰船目标类型识别技术研究OA
Research on Ship Target Type Recognition Technology Under Complex Sea Conditions Based on Adversarial Residual Neural Network
近年来随着深度学习理论在水声领域的应用,水中目标识别技术研究取得了巨大进步.然而在工程应用实践中,应用传统的特征提取和分类器方法拼接得到的识别模型难以维持实验室性能,复杂多变的海洋信道使声信号在传感器接收前发生剧烈畸变,导致识别算法出现特征失配和过拟合问题,算法性能急剧下降.针对以上问题,提出了一种对抗残差网络(Adversarial Residual Neural Network,ARNN)模型,利用梯度反向层(Gravity Reversal…查看全部>>
In recent years,with the application of deep learning theory in the field of underwater acoustics,significant progress has been made in the research of underwater target recognition technology.However,in engineering application practice,the recognition model obtained by combining traditional feature extraction and classifier methods is difficult to maintain laboratory performance.The complex and variable ocean channels cause severe distortion of the acoustic…查看全部>>
张博轩;王少博;赵天白;罗恒光;王大宇
中国电科网络通信研究院,河北 石家庄 050081||河北省电磁频谱认知与管控重点实验室,河北 石家庄 050081中国电科网络通信研究院,河北 石家庄 050081||河北省电磁频谱认知与管控重点实验室,河北 石家庄 050081中国电科网络通信研究院,河北 石家庄 050081中国电科网络通信研究院,河北 石家庄 050081||河北省电磁频谱认知与管控重点实验室,河北 石家庄 050081中国电科网络通信研究院,河北 石家庄 050081||河北省电磁频谱认知与管控重点实验室,河北 石家庄 050081
计算机与自动化
水中目标识别特征失配过拟合对抗训练梯度反向层
underwater target recognitionfeature mismatchover-fittingadversarial trainingGRL
《无线电工程》 2024 (10)
2355-2361,7
国家自然科学基金(U20B2071)National Natural Science Foundation of China(U20B2071)
评论