| 本文已被：浏览 111次 下载 93次 |
|
|
| 基于CNN-LSTM的序列图像空间目标识别方法 |
|
齐思宇1,赵慧洁1,4,姜宏志2,4,李旭东2,3,4,王思航2,郭琦2,4
|
|
1.北京航空航天大学 人工智能研究院，北京 100191;2.北京航空航天大学 仪器科学与光电工程学院，北京 100191;3.北京航空航天大学 青岛研究院，青岛 266104;4.教育部精密光机电一体化技术重点实验室，北京 100191
|
|
| 摘要: |
| 针对现有的基于序列图像的空间目标识别方法难以在特征层级进行融合的问题，提出了将深度卷积网络(CNN)与循环神经网络(RNN)相结合的方法，并对网络模型加以改进。针对单幅图像如何作为序列特征输入的问题，对卷积网络的末端进行修改，将特征图作为序列特征输入;针对序列特征如何映射到目标类别的问题，对长短期记忆网络(LSTM)网络末端进行修改，增加了新的全连接层，得到输出类别。使用0.001~0.006高斯噪声水平训练，以0.007~0.010作为测试集，识别平均准确率(mAP)由90.7%提升至99.16%;训练集与测试集在不同姿态情况下，mAP为94.71%。网络参数量仅为283.0 M。现有的仅在结果层级融合进行识别的问题得到了有效解决。 |
|
(1.Institute of Artificial Intelligence，Beihang University，Beijing 100191，China;2.School of Instrumentation and Optoelectronic Engineering，Beihang University，Beijing 100191，China;3.Qingdao Research Institute of Beihang University，Qingdao 266104，Shandong，China;4.Key Laboratory of Precision Opto-Mechatronics Technology，Ministry of Education，Beijing 100191，China)
|
