文献类型：期刊文章

作　　者：任永梅[1,2] 杨杰[1] 郭志强[1] 曹辉[1]

REN Yongmei;YANG Jie;GUO Zhiqiang;CAO Hui(Hubei Key Laboratory of Broadband Wireless Communication and Sensor Networks,School of Information Engineering,Wuhan University of Technology,Wuhan 430070,China;School of Electrical and Information Engineering,Hunan Institute of Technology,Hengyang 421002,China)

机构地区：[1]武汉理工大学信息工程学院宽带无线通信与传感器网络湖北省重点实验室,武汉430070 [2]湖南工学院电气与信息工程学院,衡阳421002

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(51879211);国家重点研发计划(2020YFB1710800);湖南省教育厅科学研究项目(18C0900)。

年　　份：2021

卷　　号：43

期　　号：5

起止页码：1424-1431

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类。首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶图像在最优模型上测试,得到多尺度CNN的Softmax函数输出的概率值,并计算得到信息熵,进而实现对不同输入船舶图像赋予自适应的融合权重;最后对不同子网络的Softmax函数输出概率值进行自适应熵加权决策融合实现船舶图像的最终分类。在VAIS数据集和自建数据集上分别进行了实验,提出的方法的分类准确率分别达到了95.07%和97.50%,实验结果表明,与单一尺度CNN分类方法以及其他较新方法相比,所提方法具有更优的分类性能。

关 键 词：图像处理 船舶图像分类  多尺度卷积神经网络  熵  决策融合  

分 类 号：TN911.73] TP391.4]