【技术实现步骤摘要】
基于InceptionV3网络的被遮挡目标识别方法
：本专利技术是光学遥感舰船图像中遮挡目标的识别领域，具体地说，是一种基于InceptionV3网络的被遮挡目标识别方法。
技术介绍
：遥感图像是利用传感器获得的反应各种地表信息的综合影像，通过大面积的采集遥感数据，不光可以获得有用的物理地理信息，也可以为其他相关学科提供一些有用的基础信息。其中，遥感图像舰船目标识别是目前研究的重要课题之一。舰船目标在传统模式识别的方法中，通常多提取舰船图像的结构形状，如船只主要结构的位置、船只长度、面积等特征，以及利用矩不变性等方法将空间矩作为特征表征图；或者为了不丢失图像的特征细节，将全部像素作为特征送入分类器训练。但上述方法中，有的是人工设计不能保证提取有效或重要的特征，有的过于繁琐会带来大量的冗余信息。卷积神经网络的快速发展在一定程度上解决了上述问题，并且能够自动提取图像更深层的特征。比如2012年阿莱克斯·克里泽夫斯基用AlexNet模型在ImageNet大规模视觉识别挑战竞赛中夺得桂冠，效果大幅度超过传统方法。2014年，谷歌提出的GoogLeNet获得ImageNet...
【技术保护点】
1.一种基于InceptionV3网络的被遮挡目标识别方法，其特征在于包括以下步骤：步骤一：建立InceptionV3‑FC网络结构；对于InceptionV3‑FC网络模型，首先假设输入的图片尺寸为m×m×3，通过使用32个卷积核为3×3步长为2的卷积得到
【技术特征摘要】
1.一种基于InceptionV3网络的被遮挡目标识别方法，其特征在于包括以下步骤：步骤一：建立InceptionV3-FC网络结构；对于InceptionV3-FC网络模型，首先假设输入的图片尺寸为m×m×3，通过使用32个卷积核为3×3步长为2的卷积得到的特征图，将得到特征图送入卷积核为3×3步长为1的第二层卷积得到的特征图，第三层卷积与第二层区别是该层有填充，得到的特征图，之后通过池化层得到的特征图，使用32个卷积核为3×3步长为2的卷积得到的特征图，之后两层卷积分别是使用80个卷积核为3×3步长为1以及192个3×3卷积核步长为2，最终得到的特征图，将得到的特征图作为输入经过3个Inception模块组；第一个Inception模块组包含了3个结构类似的Inception模块，其中第一个Inception模块有4个分支，第1个分支有64输出通道的1×1卷积；第2个分支有48输出通道的1×1卷积，连接有64输出通道的5×5卷积；第3个分支有64输出通道的1×1卷积，再连续连接2个96通道的3×3卷积；第4个分支是3×3的平均池化，连接有32输出通道的1×1卷积。最后4个分支在输出通道上合并，生成这个Inception模块的最终输出第二个Inception模块与第一个Inception模块唯一不同的是第4个分支连接为64输出通道的1×1卷积，最终输出第三个Inception模块与第二个一样；第二个Inception模块组包含了5个结构类似的Inception模块，其中第一个Inception模块有3个分支，第1个分支有384输出通道的3×3卷积；第2个分支有三层，分别是一个64输出通道的1×1卷积和两个96输出通道的3×3卷积；第3个分支是3×3的最大池化；最后3个分支在输出通道上合并，生成这个Inception模块的最终输出第二个Inception模块有4个分支，将4个分支合并后输出后三个Inception模块类似，能够丰富卷积以及非线性化，对特征提炼；第三个Inception模块组包含了3个结构类似的Inception模块，其中第一个Inception模块有3个分支，第1个分支有192输出通道的1×1卷积，连接有320输出通道的3×3卷积；第2个分支有4个卷积层，分别是192输出通道的1×1卷积、192输出通道的1×7卷积、192输出通道的7×1卷积，以及192输出通道的3×3卷积；第3个分支是3×3的最大池化；最后3个分支在输出通道...
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。