基于异构多模态深度学习方法在水下目标识别中的应用

基于异构多模态深度学习方法在水下目标识别中的应用.pdf
机器学习是目标识别的主要方法,在水声工程中,大量水声工作者尝试利用机器学习方法对水下目标进行分类识别.机器学习方法目前已经从浅层学习发展到深度学习.浅层学习结构需要依靠特征工程.深度学习是机器学习研究中的新领域,其在图像分类、语音识别、自然语言处理等领域取得的优异效果使其成为人工智能研究领域炙手可热的方法.目前已有将深度学习方法应用于水声目标识别的研究成果均针对单一数据模态进行处理.对于水声目标而言,其一维的时域信息以及二维的时频域数据均能够为目标的分类识别提供信息支撑,因此有必要针对水声目标的分类识别问题发展多模态数据结合的学习方法.本文提出一种异态多模构的深度学习水下目标分类识别方法,综合CNN的图像处理能力和RNN的语音识别能力,建立CNN与RNN的共享关联表示方法,并与单模态处理方法和传统的支持向量机方法进行性能对比.
作者：曾赛程锦盛
作者单位：上海船舶电子设备研究所水声对抗技术重点实验室,上海201108
母体文献：2018年全国声学大会论文集
会议名称：2018年全国声学大会  
会议时间：2018年11月1日
会议地点：北京
主办单位：中国声学学会
语种：chi
分类号：TP3TP1
关键词：水声探测  水下目标  分类识别  异构多模态深度学习
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文

2024-12-1 20:20 上传 基于异构多模态深度学习方法在水下目标识别中的应用.pdf

文件大小:

613.27 KB

下载次数:

60

高速下载