结合多尺度卷积网络和双端注意力机制的水声目标识别 |
| |
作者姓名: | 刘承伟 洪峰 冯海泓 胡梦璐 |
| |
作者单位: | 中国科学院声学研究所东海研究站, 上海 201805;中国科学院大学, 北京 100049 |
| |
基金项目: | 国家自然科学基金资助项目(11574249,11074202);青岛海洋科学与技术试点国家实验室“问海计划”(2021WHZZB1005)。 |
| |
摘 要: | 水声目标识别是被动声呐系统的主要应用之一。为了进一步提升小样本条件下水下目标的识别率,文章提出一种基于多尺度卷积和双端注意力机制相融合的方法。首先,提取梅尔倒谱系数,色度谱和计算谱对比度等特征,建立基于多类别特征子集的三维聚合特征。其次,采用多尺度卷积滤波器算子构造多分辨率卷积神经网络,以更好地适应三维聚合特征的时频结构。另外,采用双端注意力模型捕获样本的全局依赖和局部特性。采用基于指数加权的对数交叉熵函数作为损失函数,提升样本数较少类别的识别率。实验结果表明,该方法在ShipsEar数据上的平均识别率为95.5%,取得了较好的分类效果。
|
关 键 词: | 水下目标识别 注意力机制 多尺度卷积 特征融合 |
收稿时间: | 2021-08-03 |
修稿时间: | 2021-10-15 |
|
| 点击此处可从《声学技术》浏览原始摘要信息 |
|
点击此处可从《声学技术》下载免费的PDF全文 |
|