側掃聲吶識別沉船影像的遷移學習卷積神經網絡法

作者：湯寓麟,金紹華,邊剛,張永厚,李凡

摘要：側掃聲吶海底沉船圖像識別是水下障礙物核查和失事船只搜救中的一項重要工作。針對傳統側掃聲吶圖像人工判讀存在效率低、耗時長、資源消耗大及主觀不確定性強和過分依賴經驗等問題,本文嘗試引入卷積神經網絡的方法,同時考慮到側掃聲吶沉船圖像屬于小樣本數據集,提出一種基于遷移學習的卷積神經網絡側掃聲吶沉船圖像自動識別方法。通過歸一化處理、圖像增強等方式擴充樣本數據,并以4∶1的比例劃分訓練集和測試集,同時參照經典VGG-16模型,根據側掃聲吶沉船數據集特點設計了改進的模型,然后將在ImageNet圖像數據集上訓練好的改進模型在小樣本側掃聲吶沉船數據集上采用凍結和訓練、微調兩種遷移學習方式進行學習和試驗,并與全新學習進行比較分析,結果表明,3種方法對側掃聲吶沉船圖像識別的準確率分別為93.71%、84.49%和90.58%,其中第1種遷移學習方法準確率最高,模型收斂速度最快,且AP值最高為92.45%,分別比第2種遷移學習方法和全新學習高了8.06%和3.06%,在提高模型的識別能力和訓練效率方面效果更佳,驗證了該方法的有效性與可行性,具有一定實際指導意義。

發文機構：海軍大連艦艇學院軍事海洋與測繪系

關鍵詞：側掃聲吶海底沉船圖像識別遷移學習卷積神經網絡VGG-16side-scan sonar wreck imageimage recognitiontransfer learningconvolutional neural networkVGG-16

分類號：