基于双流对称特征融合网络模型的海洋船舶目标识别

海洋船舶目标识别在民用和军事领域有着重要的战略意义,本文针对可见光图像和红外图像提出了一种基于注意力机制的双流对称特征融合网络模型,以提升复杂感知环境下船舶目标综合识别性能.该模型利用双流对称网络并行提取可见光和红外图像特征,通过构建基于级联平均融合的多级融合层,有效地利用可见光和红外两种模态的互补信息获取更加全面的船舶特征描述.同时将空间注意力机制引入特征融合模块,增强融合特征图中关键区域的响应,进一步提升模型整体识别性能.在VAIS实际数据集上进行系列实验证明了该模型的有效性,其识别精确度能达到87.24％,综合性能显著优于现有方法....

Full description

Saved in:
Bibliographic Details
Published in控制理论与应用 Vol. 39; no. 11; pp. 2009 - 2018
Main Authors 孙祎芸, 樊臻, 董山玲, 郑荣濠, 兰剑
Format Journal Article
LanguageChinese
Published 浙江大学电气工程学院,浙江杭州310027%浙江大学电气工程学院,浙江杭州310027 01.11.2022
浙江大学工业控制技术国家重点实验室,浙江杭州310027%西安交通大学电子与信息学部,陕西西安710049
Subjects
卷积神经网络
特征级融合
识别算法
空间注意力机制
Online AccessGet full text
ISSN1000-8152
DOI10.7641/CTA.2022.20007

Cover

More Information
Summary:海洋船舶目标识别在民用和军事领域有着重要的战略意义,本文针对可见光图像和红外图像提出了一种基于注意力机制的双流对称特征融合网络模型,以提升复杂感知环境下船舶目标综合识别性能.该模型利用双流对称网络并行提取可见光和红外图像特征,通过构建基于级联平均融合的多级融合层,有效地利用可见光和红外两种模态的互补信息获取更加全面的船舶特征描述.同时将空间注意力机制引入特征融合模块,增强融合特征图中关键区域的响应,进一步提升模型整体识别性能.在VAIS实际数据集上进行系列实验证明了该模型的有效性,其识别精确度能达到87.24％,综合性能显著优于现有方法.
ISSN:1000-8152
DOI:10.7641/CTA.2022.20007