《新型工业化》2020年 第2期 | 王前进 姚惠萍 青岛理工大学理学院 山东青岛266520
摘 要:多波束声纳数据可以被处理以获得水下声纳图像。支持向量机(SVM)和卷积神经网络(CNN)都是传统的目标分类和检测方法。关于海底含油沉积物特征识别这一问题,本文分别设计了支持向量机和卷积神经网络算法,对水下声纳图像进行目标特征的提取识别。经过两种方法试验的对比,在同一海域提取样本的情况下,支持向量机在识别含油沉积物的精度和速度上优于卷积神经网络。
【分 类】 【工业技术】 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
【关键词】 声纳图像 海底含油沉积物 特征识别 卷积神经网络 支持向量机
【出 处】 《新型工业化》2020年 第2期 125-130页 共6页
【收 录】 中文科技期刊数据库
主管单位:中华人民共和国工业和信息化部
主办单位:工信部电子科学技术情报研究所
出版周期:月刊
请各位老师作者注意,凡是咨询正在审核期的文章,请勿一稿多投,初审审稿期一般1-3个工作日,作者可以随时在本站上输入文章编号查询稿件审核情况。稿件录用后,编辑人员会在通知作者的情况下提出修改意见,以便适应期刊社里的定位要求。
(本网站所公布期刊均为正规刊物,如有侵权,请及时告知!)
本平台为期刊杂志协同采编平台,本站成立于2015年,主要从事文化艺术交流、版权代理、期刊信息整理发布、宣传。非杂志社官网!
本站仅为有实际合作关系的杂志期刊整理信息、快捷组稿指导和宣传,本站致力于方便广大作者期刊查询、分类、便捷投稿、在线答疑等。
若有期刊社不希望我期刊杂志协同采编平台收录贵刊的,请来函告知,我平台将及时删除!本平台信息来源于网络公开信息和社里所提供的征稿函。