一种基于卷积神经网络的空战威胁目标识别方法

    公开(公告)号:CN113902974B

    公开(公告)日:2024-05-17

    申请号:CN202111134920.9

    申请日:2021-09-27

    Abstract: 本发明公开了一种基于卷积神经网络的空战威胁目标识别方法,首先在ResNet模型的主干网络中加入注意力机制,增强感兴趣区域的特征表现能力,降低无用信息对于识别结果的影响,提高检测模型的区域聚焦能力;然后在ResNet模型的最后将单一全连接层的结构改成双全连接层的结构,分别对空战威胁目标的威胁类型与制导类型进行特征映射,以便提高模型的识别能力,加快模型的收敛。通过上述两种方法,得到改进后的ResNet模型,使用改进后的ResNet模型能够对空战威胁目标类型进行识别,实现空战威胁目标识别任务。本发明充分利用通道注意力和空间注意力机制来指导重要特征信息的传递,有效的提高识别模型对于全局信息的感知能力和空战威胁目标类型的识别精度。

    一种基于卷积神经网络的空战威胁目标识别方法

    公开(公告)号:CN113902974A

    公开(公告)日:2022-01-07

    申请号:CN202111134920.9

    申请日:2021-09-27

    Abstract: 本发明公开了一种基于卷积神经网络的空战威胁目标识别方法,首先在ResNet模型的主干网络中加入注意力机制,增强感兴趣区域的特征表现能力,降低无用信息对于识别结果的影响,提高检测模型的区域聚焦能力;然后在ResNet模型的最后将单一全连接层的结构改成双全连接层的结构,分别对空战威胁目标的威胁类型与制导类型进行特征映射,以便提高模型的识别能力,加快模型的收敛。通过上述两种方法,得到改进后的ResNet模型,使用改进后的ResNet模型能够对空战威胁目标类型进行识别,实现空战威胁目标识别任务。本发明充分利用通道注意力和空间注意力机制来指导重要特征信息的传递,有效的提高识别模型对于全局信息的感知能力和空战威胁目标类型的识别精度。

Patent Agency Ranking