-
运输船舶分类战斗舰艇民用船渔业船舶工程船舶海洋开发设计特征
-
军用船内河船舶民用船运输船舶内燃机分类核动力船
-
[
学位论文]作者:
黄江淮
信息与通信工程 武汉理工大学 2021(学位年度)
船舶图像分类并行注意力网络动态学习率算法复合优化器算法
-
总结分析船舶的特征,进行分类汇总编码,以满足计算机编程,为船检业务计算机应用系统的开发成功奠定了基础.
船舶计算机编码
-
近年来智能交通发展迅速,但目前的研究大多是关于陆上交通的研究,分类任务也大多数是关于日常物体的分类,现在基本上很少有关于船舶分类的研究.但船舶分类对于航道安全,航道监管具有重要意义.卷积神经网络是近年来学术界和工业界广泛关注的一种图像处理方法.本文将近年来十分热门且高效的卷积神经网络应用到船舶分类任务当中,将船舶分成五类,构建了基于卷积神经网络的适应实际情况的船舶分类模型.一方面填补了这个领域研究上的空白,另一方面为船舶管理提供了一个新的方法.
卷积神经网络船舶分类
-
船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法.所改良的网络结构以SqueezeNet为基础,并将网络浅层输出和深层输出级联合并作为最终输出,使得特征内容更加丰富;同时对Adam优化器进行改进,针对模型训练时Loss是否持续降低自适应调整学习率,加快模型收敛速度.经实验对比,所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet_V3网络平均高出1.24%,运行时间平均降低3.09%.
卷积神经网络船舶分类神经网络可视化
-
由于各类船舶碳排放特性存在差异,在国际航运碳强度规则下计算船舶碳强度指标时会涉及船舶分类问题.为便于根据船舶分类计算相应类别船舶的碳强度指标,基于MARPOL公约附则Ⅳ 2021年修正案以及船舶碳强度相关技术导则,根据各类船舶的定义,分析国际航运碳强度规则下的船舶分类问题,为各类船舶碳强度指标的计算及能耗数据收集、统计分析提供船舶分类依据,供相关方参考.
国际航运船舶分类碳排放碳强度
-
船舶分类是海上安全和交通管理中的重要问题,已广泛应用于民用领域和军事领域.可见光图像对目标的区分度好,但易受光照影响.文章基于深度学习探讨红外图像船舶分类方法.首先使用AlexNet网络提取红外船舶图像的深层特征,并训练网络,得到最优的船舶分类训练模型;接着调用最优的船舶分类训练模型对测试集中的红外船舶图像进行测试,得到船舶分类结果.在公开可用的VAIS船舶数据集上进行实验,该方法的分类准确率达到了 83.79%.实验结果表明,该方法具有较好的船舶分类性能.
图像处理船舶分类深度学习红外图像
-
[
学位论文]作者:
王亦韬
航空宇航科学与技术 国防科技大学 2021(学位年度)
船舶分类异常检测星载AIS技术航迹压缩集成学习
-
为了解决视觉转换器模型缺乏多尺度与局部特征捕获能力,难以适应合成孔径雷达图像船舶分类任务的问题,本文提出一种混合网络模型用于合成孔径雷达图像船舶分类.利用分阶段下采样网络结构,解决了ViT无法捕获多尺度特征的问题.通过在ViT模型的 3 个核心模块中融入卷积结构,设计了卷积标记嵌入、卷积参数共享注意力和局部前馈网络 3 个模块,使得网络能够同时捕获船舶图像的全局和局部特征,进一步增强了网络归纳偏置和特征提取能力.研究表明:本文所提模型在OpenSARShip和FUSAR-Ship2 个通用合成孔径雷达船舶图像数据集上,分类准确率较最优方法分别提高了 2.96%和 4.18%,有效地提升了合成孔径雷达图像船舶分类性能.
视觉转换器卷积神经网络SAR图像深度学习参数共享局部特征全局特征船舶图像