用于自动目标识别的人工神经网络

摘要

自适应分级目标区分和识别神经网络(SAHTIRN)是用于自动目标识别的先进神经网络模型的一种独特而有效的组合。它由三种模型组合而成:(1)一个基于Canny边缘探测器的早期视觉分段器,(2)一个基于改进型新识别器(Neocognitron)结构的分级特征萃取和图形识别系统,(3)一个基于反向传播网络的图形分类器。在由国防先进研究计划局发起的一个神经网络计划中,休斯公司利用地面标图板为模型的红外成象技术,以一些地面车辆为目标,对自适应分级目标区分和识别神经网络进行了广泛的测试。此外,利用一些实际的红外和手写字符数据库也进行过广泛的测试。休斯公司成功地证明了这种神经网络的性能,在大量各种各样的数据中,正确分类的概率为91％至100％。本文提供了获自这些实验的从头到尾的系统结果,并且对获自自适应分级目标区分和识别神经网络系统每一级的中间阶段结果都进行了讨论。