改进的SqueezeNet网络在船舶分类中的应用

摘要

船舶分类在仿真系统中应用广泛,针对目前船舶分类准确率不高以及在提高准确率的同时无法很好兼顾实时性的问题,提出了先对输入图片预处理,经过彩色转灰度再二值化后输入改进的卷积神经网络(CNN)的方法。所改良的网络结构以SqueezeNet为基础,并将网络浅层输出和深层输出级联合并作为最终输出,使得特征内容更加丰富;同时对Adam优化器进行改进,针对模型训练时Loss是否持续降低自适应调整学习率,加快模型收敛速度。经实验对比,所改进算法的船舶分类准确率比SqueezeNet、GoogleNet、MobileNet_V3网络平均高出1.24%,运行时间平均降低3.09%。