改进CNN及其在船舶识别中的应用

卷积神经网络在图像识别方面具有独特的优越性,但在实际场景中,其识别结果会受到图像背景的干扰。船舶识别中图像的背景因素极其复杂,因此,结合显著性检测算法,从图像中分离出待识别的船舶,通过卷积神经网络进行船舶识别。鉴于显著性检测很难在复杂图像中完整的分离背景和前景,提出两种改进卷积神经网络的方法,即"中心-扩散池化"卷积神经网络和"前景-扩散池化"卷积神经网络。实验结果表明,改进的卷积神经网络表现出更稳定的表征能力和更好的泛化能力,结合显著性检测算法改进的卷积神经网络在船舶识别中取得了很好的成效。