公开(公告)号：CN115187855A

公开(公告)日：2022-10-14

申请号：CN202210905490.4

申请日：2022-07-29

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  郑良锋 ,  朱可心 ,  邓雄 ,  赵廷 ,  吴昌哲 ,  姜南 ,  何永旭

IPC: G06V20/05 ,  G06V10/764 ,  G06V10/30 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种海底底质声呐图像分类方法，获取侧扫声呐图像数据集，所述数据集包括待分类图像和具有真值标签的图像；计算灰度共生矩阵，利用灰度共生矩阵对侧扫声呐图像进行统计特征提取；基于像素点覆盖法对侧扫声呐图像进行分形维数特征提取；对侧扫声呐图像进行通道能量特征值提取；将提取的统计特征、分形维数特征和通道能量特征的特征参数进行联合表示，形成联合特征，将待分类图像的联合特征参数输入到利用具有真值标签的图像训练后的GoogLeNet中进行海底底质的分类，网络输出结果为图像底质类别。本发明结合多种特征提取方法的优点，且采用改进的GoogLeNet，提升海底底质分类的准确率。

公开(公告)号：CN115170943A

公开(公告)日：2022-10-11

申请号：CN202210889544.2

申请日：2022-07-27

Applicant: 哈尔滨工程大学

Inventor： 赵玉新 ,  郑良锋 ,  朱可心 ,  邓雄 ,  卢志忠 ,  杨德全 ,  何健新 ,  吴昌哲

IPC: G06V20/05 ,  G06V10/764 ,  G06V10/82 ,  G06V10/94

Abstract: 本发明公开了一种基于迁移学习的改进视觉Transformer海底底质声呐图像分类方法，改进视觉Transformer分类方法属于一种深度学习方法。它将图像通过前置卷积处理形成patch，依次通过patch嵌入、位置嵌入transformer编码层和多层感知机输出层后得到分类结果。通过反向传播的方法最小化网络残差，以实现分类器的训练。深度学习目的是学习样本数据的内在规律和表示层次，具有很强的非线性拟合学习能力，能够有效发掘出同类图像之间的共同特征。通过多层编码层的堆叠，网络会逐步学习到全局、局部特征，会主动关注图像中“重要”的部分。