[發明專利]一種基于遷移學習與深度學習的側掃聲吶圖像目標自動分類方法在審
| 申請號： | 201811031832.4 | 申請日： | 2018-09-05 |
| 公開（公告）號： | CN109325527A | 公開（公告）日： | 2019-02-12 |
| 發明（設計）人： | 葉秀芬;李傳龍;劉文智;孫悅;梅新奎;賈云鵬;張思遠;楊鵬;李響;馬興龍 | 申請（專利權）人： | 哈爾濱工程大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 暫無信息 | 代理人： | 暫無信息 |
| 地址： | 150001 黑龍江省哈爾濱市南崗區*** | 國省代碼： | 黑龍江;23 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 遷移 分類網絡 源領域 目標分類 圖像目標 自動分類 學習 標注 預處理 卷積神經網絡 神經網絡結構 圖像 圖像數據集 相似性原理 參數設置 常規光學 方法使用 分類領域 輪廓分割 數據集中 水下目標 圖像訓練 學習效率 自動識別 可訓練 數據集 訓練集 驗證集 卷積 網絡 凍結 分割 評估 | ||
【權利要求書】：
1.一種基于遷移學習與深度學習的側掃聲吶圖像目標自動分類方法，其特征在于，具體包括如下步驟：
步驟1、獲取帶有分割標注的常規光學圖像數據集；
步驟2、利用數據集中各個圖像對應的標注圖像進行輪廓分割，對圖像進行去細節特征、模糊、灰度化、灰度重映射、添加噪聲等處理過程，使其與側掃聲吶圖像一致，并將經過處理的數據集命名為源領域數據集；
步驟3、選定一個卷積神經網絡結構，使用源領域數據集進行訓練，得到源領域目標分類網絡；
步驟4、構建側掃聲吶圖像數據集，進行數據標注，本發明中，示例的側掃聲吶圖像數據集包含兩類，分別是飛機沉船類和其他目標類；
步驟5、對側掃聲吶圖像數據集進行隨機分組，按固定比例分為訓練集和驗證集；
步驟6、根據側掃聲吶圖像數據集中類別數量調整分類網絡輸出層神經元個數；
步驟7、對經過充分訓練的源領域目標分類網絡前部分的參數進行凍結，即設置這些網絡參數為不可訓練狀態，同時，將分類網絡的后部分參數設置為可訓練狀態；
步驟8、使用訓練集對步驟7中設置好的分類網絡繼續進行訓練；
步驟9、訓練完成后，使用驗證集評估分類網絡性能，若不滿足準確率及穩定性要求，則回到步驟7，根據步驟8中訓練結果適當調整可訓練參數數目及其他網絡訓練相關參數，直至步驟8得到的分類結果滿足要求。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于哈爾濱工程大學，未經哈爾濱工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811031832.4/1.html，轉載請聲明來源鉆瓜專利網。
