一种基于深度卷积神经网络的非均衡船舶分类方法

摘要

本发明公开了一种基于深度卷积神经网络的非均衡船舶分类方法，包括步骤：1)获取基础数据；2)数据处理；3)模型构建；4)定义损失函数；5)训练模型；6)应用模型。本发明将船舶的精细分类和解决类别数据分布不均衡的问题结合起来，在提取船舶全局特征的基础上通过引入船舶的具有类别判别性的局部特征，来使得模型学习到船舶的细节，从而让分类的结果更加精确，并且使用记忆网络和融合学习网络对难以学习的样例进行存储和着重学习，在学习新样例的同时改善对这些样例的学习，而且也起到重新平衡类别数据分布的作用，有效避免了实际场景中类别数据分布不均衡给模型训练带来的不利影响。