摘要
本发明公开了一种基于融合特征的海底底质图像智能分类方法,首先,利用维度不变残差网络和双路径网络逐级地挖掘不同类型海底底质图像之间的关系,提取到能够有效表征不同类型海底底质图像的多尺度高级特征;然后,对提取到的海底底质图像高级特征进行融合与降维,进一步降低特征维度,减少特征中的冗余信息;最后,利用全连接网络学习降维、融合后的特征中的知识,挖掘不同海底底质类型特征之间的关系。该方法通过使用新型的网络结构既降低了模型的参数量,又有效提升了海底底质分类的准确性和可靠性,而且缓解了现有的海底底质分类方法中存在的特征工程复杂、特征不完备、泛化能力差、构建难度大、数据依赖性大的问题。
技术关键词
智能分类方法
图像特征提取
图像分类模型
融合特征
海底底质分类方法
水下声学
分类准确率
尺寸
图像数据分割
网络结构
数学
参数
特征工程
残差网络
旁路
关系
矩阵
系统为您推荐了相关专利信息
样本检测方法
多尺度特征融合
动态
指数加权移动平均值
闭环反馈机制
高清监控摄像头
多角度人脸
跟踪方法
多尺度
融合特征
变电站巡检机器
识别方法
多头注意力机制
抄表
视觉特征
优化BP神经网络
缺陷定量表征
管线钢管道
脉冲涡流检测信号
仿真数据