改进的SqueezeNet网络在船舶分类中的应用*

张玉皓, 李立钢

(1.中国科学院国家空间科学中心 中国科学院复杂航天系统电子信息技术重点实验室,北京 100190;2.中国科学院大学,北京 100049)

0 引 言

随着中国经济的快速发展，中国航运业也日益繁荣。中国港口货运量、吞吐量，船舶体量都跻身世界前列。实现船舶的智能分类对于船舶航行安全、海洋巡测管理、提高港口效率等都有重大意义。

Inggs M R等人[1]提出对ISAR图像进行傅里叶梅林变换提取特征，但该图像数据集角度单一，建立的模型泛化性能不好。Musman S等人[2]提出根据船舶的大小、位置、形状来人为构造特征；Pastina D等人[3]提出根据船舶的主轴、轮廓来提取特征。这两个研究工作的分类准确率不足以应用于智能分类。蒋少峰等人[4]提出基于结构特征分析，根据船舶左中右三部分积分量比例对船舶分类的方法，分类精度达90 %左右。闫河等人[5]采用AlexNet与极限学习机(extreme leaning machine,ELM)相结合的方法，将船舶分类准确率提高到94 %。这两者的研究工作分类精度较高，但是没有考虑训练效率问题。

为了解决以上问题，本文提出了一种图像预处理+改进网络结构和优化器的船舶分类方法。首先，通过斜视舰船仿真系统获取多角度的舰船目标图像，补足了常规数据集缺少俯瞰角度的缺陷；然后，改进了神经网络结构，将底层特征与高层特征合并后统一送入输出层作分类；最后，对优化器Adam进行改良，加快收敛速度，提高模型训练的效率。

1 数据集

本文实验数据来源于两部分，一部分是系统仿真图像，一部分是网络公开真实图像。……