首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于CNN-SVM的地下目标形状识别
引用本文:张天助周辉林杨仙.基于CNN-SVM的地下目标形状识别[J].南昌大学学报(理科版),2021,45(1):91.
作者姓名:张天助周辉林杨仙
作者单位:景德镇陶瓷大学机械电子工程学院 南昌大学信息工程学院
基金项目:国家自然科学基金资助项目(61561034); 江西省自然科学基金资助项目(2015BAB207001);
摘    要:针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络(CNN)能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。

关 键 词:卷积神经网络  支持向量机  特征提取  形状识别  
本文献已被 CNKI 等数据库收录!
点击此处可从《南昌大学学报(理科版)》浏览原始摘要信息
点击此处可从《南昌大学学报(理科版)》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号