文章详情
| 稿件标题： | 基于深度卷积神经网络的小样本车型分类方法 |
| 稿件作者： | 吕磊1，李文彬1，王晓鸣1，胡隆基2 |
| DOI： | 10.11809/bqzbgcxb2020.08.037 |
| 科学编辑： | 王浩伟 博士（ 北京航空航天大学云南创新研究院特聘研究员、硕导） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 卷积神经网络；车型识别；小样本数据集；细粒度；智能弹药 |
| 文章摘要： | 针对战场军事车辆分类等任务的可供训练样本较少的车型分类任务，在AlexNet网络的基础上引入多尺度分支的思想，设计了多尺度特征提取卷积神经网络。仿照战场军用车辆数据集的特点，构建了复杂背景下多角度、多尺度、类间差异小、类内差异大的10类较细粒度车型分类数据集。所提出的方法在实验平台上达到了每张图片0.003 s的分类识别速度，依据算力计算具有嵌入式实时性应用的可能。结合自适应学习率等方法，在小样本车型分类数据集上实现了最高92%的分类准确率，同等实验条件下分类性能和训练速度均优于主流卷积神经网络AlexNet。提出的多尺度特征提取卷积神经网络在智能弹药或无人机进行军用车辆识别和部分民用场景等小样本车型分类场景中具有应用价值。 |
| 稿件基金： | 装备预研兵器工业联合基金项目（6141B012858） |
| 引用本文格式： | 吕磊，李文彬，王晓鸣，等.基于深度卷积神经网络的小样本车型分类方法［J］.兵器装备工程学报，2020,41(08):193-200,221. LYU Lei, Li Wenbin, WANG Xiaoming, et al.Vehicle Type Recognition Method with a Small Dataset Based on Deep Convolutional Neural Network［J］.Journal of Ordnance Equipment Engineering,2020,41(08):193-200,221. |
| 刊期名称： | 2020年08期 |
| 出版时间： | 2020年8月 |
| 上线时间： | 2020年8月28日 |
| 浏览次数： | 2632 |
| 下载次数： | 427 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |