The invention discloses an aircraft target recognition method based on Fuzzy invariant convolution neural network, which comprises the following steps: step 1, establishing remote sensing aircraft data set; step 2, setting up the number of BICNN network layers; step 3, improving the target function; step 4, setting up the number of fine-tuning layers and loading parameters; step 5, before. Propagation error; Step 6, update the weight adjustment according to the error; Step 7, BICNN network test. The method proposed in the invention can directly recognize fuzzy images, has the advantages of fuzzy invariance, simple flow, high recognition rate and wide application scenarios.
【技术实现步骤摘要】
基于模糊不变卷积神经网络的飞机目标识别方法
本专利技术涉及一种飞机目标识别方法,特别是涉及一种基于模糊不变卷积神经网络的飞机目标识别方法。
技术介绍
飞机目标作为空中监管的一个重要目标,实现自动识别飞机目标和机型以及获得更多的信息,是目前研究的热点问题,但是由于采集、运动以及聚焦等均会产生目标模糊问题,导致飞机目标特征的提取存在不确定性以及不精确性,使飞机目标识别的精准度下降;考虑图像模糊的影响,传统的模糊图像的两类识别方法,一类是对图像先去模糊,通过去模糊参数得到清晰图像后识别,但是由于同一组的去模糊参数对不同类型模糊图像不能进行较好的复原;另一类是对图像提取模糊不变描述子特征,然而这些子特征对轮廓信息不具备较高的表达性,因此在应用方面具有一定的局限性,综上所述,传统的模糊目标识别算法存在识别流程复杂且应用环境较为单一的问题,针对这个问题,本专利技术提出了基于卷积神经网络的模糊目标识别算法;近年来,卷积神经网络作为一种多层前馈深度学习模型,由于其可以直接以图像为输入,通过多隐层结构自动学习特征,因此处理图像的相关任务上已经有了很多成功的应用,尽管基于卷积神经网络的方法在飞机识别上的应用和研究逐渐增多,但是针对目标模糊不变性的鲁棒识别研究仍处于初步阶段,还存在较大的研究空间,基于此本专利技术提出基于模糊不变卷积神经网络BICNN(Blur-InvariantConvolutionalNeuralNetwork),通过BICNN网络可以对模糊目标进行精确识别。2014年牛津大学VGG(VisualGeometryGroup)在ILSVRC提出的了VGG模型, ...
【技术保护点】
1.一种基于模糊不变卷积神经网络的飞机目标识别方法,其特征在于,包括以下步骤:步骤一,建立遥感飞机数据集,数据集包含五类飞机机型,五类飞机图是谷歌地图美国图森的飞机墓场中常见的五类目标,训练集共有14000张,交叉验证集3000张,测试集3000张,均有清晰数据集Xi及模糊数据集Yi;步骤二,设置BICNN网络层数,BICNN包括十三个卷积层、五个池化层、三个全连接层、一个模糊不变层,卷积核大小均为3×3,选用最大池化,步长为2,激活函数为relu,卷积层第一、第二层的滤波器个数为64,卷积层第三、第四层的滤波器个数为128个,卷积层第五第六第七层滤波器个数为256个,卷积层第八至第十三层的滤波器个数为512个,前两层的全连接层以及模糊不变层神经元为4096个,fcn层由五个神经元组成;O2(xi)作为模糊不变层的输入,经过模糊不变层输出的结果是Ob(xi),最后Ob(xi)经过fcn层的输出得到On(xi);softmax函数将logits转换为概率向量,表示为输入样本属于每个输出类的概率,(Wbi,Bbi)和(Wn,Bn)是模糊不变层和fcn层的网络参数,W是该层网络的权重,B为网 ...
【技术特征摘要】
1.一种基于模糊不变卷积神经网络的飞机目标识别方法,其特征在于,包括以下步骤:步骤一,建立遥感飞机数据集,数据集包含五类飞机机型,五类飞机图是谷歌地图美国图森的飞机墓场中常见的五类目标,训练集共有14000张,交叉验证集3000张,测试集3000张,均有清晰数据集Xi及模糊数据集Yi;步骤二,设置BICNN网络层数,BICNN包括十三个卷积层、五个池化层、三个全连接层、一个模糊不变层,卷积核大小均为3×3,选用最大池化,步长为2,激活函数为relu,卷积层第一、第二层的滤波器个数为64,卷积层第三、第四层的滤波器个数为128个,卷积层第五第六第七层滤波器个数为256个,卷积层第八至第十三层的滤波器个数为512个,前两层的全连接层以及模糊不变层神经元为4096个,fcn层由五个神经元组成;O2(xi)作为模糊不变层的输入,经过模糊不变层输出的结果是Ob(xi),最后Ob(xi)经过fcn层的输出得到On(xi);softmax函数将logits转换为概率向量,表示为输入样本属于每个输出类的概率,(Wbi,Bbi)和(Wn,Bn)是模糊不变层和fcn层的网络参数,W是该层网络的权重,B为网络偏置,公式如下:Ob(xi)=relu(WbiO2(xi)+Bbi)On(xi)=softmax(WnOb(xi)+Bn)其中relu(x)=max(0,x),softmax(x)=exp(x)/||exp(x)||1;步骤三,对目标函数进行改进,目标函数如下式:步骤四,设置微调层数以及参数加载;步骤五,前向传播计算误差;步骤六,根据误差更新权值调整量;步骤七,BICNN进行网络测试,为了测试BICNN网络有效性和可行性,对BICNN网络进行测试,测试集3000张,测试图像尺寸为224×224尺寸,测试集与训练集没有重复样本,将测试样本输入网络,将得到的输出与样本标签进行对比,得出网络识别率。2.如权利要求1所述的基于模糊不变卷积神经网络的飞机目标识别方法,其特征在于,所述步骤一为了保障网络输入大小相同,将所有图像处理为224×224像素,同时对图像每个通道做通道均值计算,并进行零均值归一化处理。3.如权利要求1所述的基于模糊不变卷积神经网络的飞机目标识别方法,其特征在于,所述步骤三的公式中,第一项C(X,Y)是softmax损失函数,使损失最小化,N代表输入样本的个数,yxi为所有的输入样本具体如下式:4.如权利要求1所述的基于模糊不变卷积神经网络的飞机目标识别方法,其特征在于,所述步骤三的公式第二项λ1B(Xi,Yi)是模糊不变正则化约束项,所述步骤三的公式使原数据样本Xi和模糊处理后的样本Yi共享相似特征,通过定义的正则化公式,使得图像模糊前后的BICNN特征的距离最小化,模糊图...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。