-
题名基于多尺度卷积的船舶行为识别方法
被引量:12
- 1
-
-
作者
王立林
刘俊
-
机构
通信信息传输与融合技术国防重点学科实验室(杭州电子科技大学)
-
出处
《计算机应用》
CSCD
北大核心
2019年第12期3691-3696,共6页
-
基金
国家自然科学基金重点项目(61333009)~~
-
文摘
针对复杂海洋环境下人工监管船舶行为效率低的问题,提出了一种基于多尺度卷积神经网络的船舶行为识别方法。首先,从船舶自动识别系统(AIS)中获取海量船舶行驶数据,并提取出具有判别力的船舶行为轨迹;然后,根据轨迹数据的特性,利用多尺度卷积设计并实现了针对船舶轨迹数据的行为识别网络,并且使用特征通道加权以及长短时记忆网络(LSTM)来提高算法的准确率。在船舶行为数据集上的实验结果表明,对于指定长度的船舶轨迹,所提识别网络能够达到92.1%的识别准确率,相较于传统的卷积神经网络提高了5.9个百分点,并且在稳定性以及收敛速度上都有明显提升。该方法能够有效地提高船舶行为的识别精度,为海洋监管部门提供高效的技术支持。
-
关键词
深度学习
行为识别
多尺度卷积
长短期记忆网络
海上交通
-
Keywords
deep learning
behavior recognition
multi-scale convolution
Long Short-Term Memory network(LSTM)
maritime traffic
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-