【技术实现步骤摘要】
本专利技术属于图像识别，具体涉及一种基于神经架构搜索的声纳图像分类方法。
技术介绍
1、光学成像在自动目标识别(atr)方面具有重要价值，但在光线昏暗和浑浊的水下环境中却受到严重限制。成像声纳在工作过程中不断发射和接收声纳信号，在观测区域内呈现丰富的视觉信息，以实现目标探测。随着成像声纳系统(iss)的发展，声纳图像在水下目标探测和识别中的应用在军事和民用领域发挥着至关重要的作用。近年来，水下目标识别领域产生了一系列基于声纳图像的分类算法。这些算法通常可以分为两个基本阶段：特征提取和目标分类。然而，传统方法严重依赖专家系统，对多尺度特征的适应性不足，导致其存在鲁棒性弱、识别率低等问题。此外，人为参与的特征提取和分类器设计过程不可避免地会导致部分特征丢失，并且会耗费大量的人力资源。
2、伴随卷积神经网络(cnn)强大的特征提取能力，深度学习(deep learning，dl)成为一个引人注目的创新领域。由于需要通过消融实验调整大量网络参数，手动设计cnn模型的效率相对较低。随着自动机器学习(automl)领域的快速发展，研究者...
【技术保护点】
1.一种基于神经架构搜索的声纳图像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于神经架构搜索的声纳图像分类方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的一种基于神经架构搜索的声纳图像分类方法，其特征在于，所述步骤2具体为：
4.根据权利要求3所述的一种基于神经架构搜索的声纳图像分类方法，其特征在于，所述步骤3具体为：
5.根据权利要求4所述的一种基于神经架构搜索的声纳图像分类方法，其特征在于，所述步骤4具体为：
6.根据权利要求5所述的一种基于神经架构搜索的声纳图像分类...
【技术特征摘要】
1.一种基于神经架构搜索的声纳图像分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于神经架构搜索的声纳图像分类方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的一种基于神经架构搜索的声纳图像分类方法，其特征在于，所述步骤2具体为：
4.根...
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。