结合批规范化层的深度学习模型在水中目标识别中的应用

作     者：孙悦 彭圆 贾连徽 曹琳 郭欣雨 徐剑秋 Sun Yue;Peng Yuan;Jia Lianhui;Cao Lin;Guo Xinyu;Xu Jianqiu

作者机构：水下测控技术重点实验室辽宁大连116013 

基　　金：国防科技重点实验室基金项目(2020-JCJQ-LB-027) 

出 版 物：《网络安全与数据治理》 (CYBER SECURITY AND DATA GOVERNANCE)

年 卷 期：2024年第43卷第4期

页      码：41-45,52页

摘      要：针对深度学习模型在训练水声样本数据时会出现稳定性差进而导致分类识别效果不佳的问题,从网络的局部连接、空间位置排列以及模型设计的角度出发,研究在原有一维序列卷积核与一维序列池化的基础上,引入批规范化层,构建了深度学习网络模型。通过归一化处理,达到加速网络模型的收敛过程以及提高训练过程中的稳定性的目的。最终为验证该模型的有效性,对3类水声目标样本数据进行网络训练和模型验证,证明该模型对水声目标数据分类识别有一定程度的性能提升。

主 题 词：水声目标 深度学习 分类 网络模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 081203[081203] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19358/j.issn.2097-1788.2024.04.007

馆 藏 号：203127587...