-
题名稀疏自动编码器视觉特征融合的多弹分类算法研究
被引量：4
- 1
-
-
作者
陈宇
温欣玲
刘兆瑜
马鹏阁
-
机构
郑州航空工业管理学院电子通信工程学院
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2018年第8期376-383,共8页
-
基金
航空科学基金重点实验室项目(20170155001)
河南省高等学校重点科研项目(18A510018)
+2 种基金
河南省高校科技创新团队支持计划项目(17IRTSTHN014)
河南省科技厅科技攻关项目(182102210110
182102210111)
-
文摘
准确识别卫星设备等拍摄到的待发射(或飞行途中)导弹类型,实现及时有效防御,是国内外军事领域研究的热点之一。由于战争状态中导弹具有掩饰色,且因外形差别不显著,现有基于底层特征进行导弹分类识别难度较大甚至无法识别。针对这一问题,提出一种基于稀疏自动编码器(Sparse Auto-Encoder,SAE)高层视觉特征融合底层特征提取的新算法,为了提高分类精度,引入迁移学习,借助STL-10样本库局部特征,并将导弹图像局部特征向量一并送入池化层卷积神经网络(Convolution Neural Network,CNN)提取导弹目标对象图像全局特征,通过Softmax回归模型实现导弹分类识别。实验表明,文中提出SAE融合底层特征的导弹分类识别算法较传统基于底层特征及SAE高层特征分类算法具有更高的准确性及鲁棒性。另外,为了避免因新型导弹目标对象缺乏训练而导致分类性能下降甚至失效,算法引入迁移学习实现局部特征提取,实验验证了算法的可行性和准确性。
-
关键词
导弹分类识别
稀疏自动编码器
视觉特征
特征融合
-
Keywords
classification of missiles
sparse automatic-encoder
visual features
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
