.png){kind=icon}
返回
Seafloor Sediment Classification Using Small-Sample Multi-Beam Data Based on Convolutional Neural Networks
.png){kind=icon}
OA
AI
DOI：10.3390/jmse13040671.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
精确、快速且自动的海底沉积物分类是海洋沉积物研究中的一个关键挑战。为此，本研究提出了一种将卷积神经网络（CNNs）与小样本多波束后向散射数据相结合的海底沉积物分类方法。我们采用了四种CNN架构进行分类—LeNet、AlexNet、GoogLeNet和VGG—所有架构均实现了超过92%的总体准确率。为克服海底沉积物声学图像数据的匮乏问题，我们应用了深度卷积生成对抗网络（DCGAN）进行数据增强，并将去归一化和反归一化模块整合到原始DCGAN框架中。通过对比生成数据集与原始数据集的视觉检查和灰度共生矩阵方法，我们显著提升了合成图像与真实图像之间的相似度。使用增强数据集进行的后续模型训练表明，所有架构的分类性能均得到提升：LeNet的准确率提高了1.88%，AlexNet提高了1.06%，GoogLeNet提高了2.59%，而VGG16实现了2.97%的改进。
Keyword:
seafloor sediment classification
CNN
DCGAN
期刊
IF:
2.8
论文数:
4.7K
被引数:
2.3W
机构
暂无机构信息
引用论文
MBES Seabed Sediment Classification Based on a Decision Fusion Method Using Deep Learning Model基于深度学习模型的MBES海底沉积物分类决策融合方法OAAI
OAAI分享收藏
Gradient-based learning applied to document recognition基于梯度的学习在文档识别中的应用.png)
PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏分享收藏 没有更多内容
没有更多内容