تشخیص و طبقه بندی خودکار اهداف سونار غیرفعال با استفاده از یادگیری عمیق نیمه نظارتی، درگاه های توجه و اتصالات جهشی
Publish place: Marine Technology Journal، Vol: 10، Issue: 4
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 176
This Paper With 27 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_IJMT-10-4_002
Index date: 26 February 2024
تشخیص و طبقه بندی خودکار اهداف سونار غیرفعال با استفاده از یادگیری عمیق نیمه نظارتی، درگاه های توجه و اتصالات جهشی abstract
به دلیل نقش مهم سیگنال های سونار در شناسایی و ردیابی اهداف و اجسامی که درون محیط آبی قرار دارند، وجود سامانه های تشخیص و طبقه بندی کننده این اهداف از اهمیت خاصی برخوردار است. برای انجام تشخیص و طبقه بندی راه های متنوعی وجود دارد. یکی از این راه ها استفاده از سامانه های خودکار هست که به صورت هوشمند اقدام به تشخیص و طبقه بندی اهداف می کنند که هم هزینه کمتری دارند و هم می توانند با دقت های بالا عمل طبقه بندی را انجام دهند.در این پژوهش هدف اصلی تشخیص و طبقه بندی خودکار اهداف در محیط آبی با استفاده از سیگنال های سونار غیرفعال و از طریق شبکه های عصبی عمیق نیمه نظارتی هست. در این پژوهش چند نوع معماری شبکه عصبی ارائه گردیده که با استفاده از مکانیسم های نوین همانند استفاده از درگاه های توجه و اتصالات جهشی، دقت طبقه بندی بالایی را نسبت به روش های موجود داشته و عملکرد قابل قبولی در انجام طبقه بندی دارا می باشند. شبکه پیشنهادی پایه تنها با استفاده از ۲۵% داده بر چسب دار با کسب دقتی معادل ۷۰.۱۷% بر روی دادگان تست توانسته است به میزان ۱۰.۵۹% بهبود را نسبت به دقتی که در مقاله دادگان موردبررسی اعلام شده است، ارائه دهد. همچنین شبکه پیشنهادی دیگر تحت عنوان Attention-Resnet-۲ با کسب دقت ۷۱.۹۲% فراتر رفته و این بهبود را به میزان ۱۲.۳۴% رسانده است.
تشخیص و طبقه بندی خودکار اهداف سونار غیرفعال با استفاده از یادگیری عمیق نیمه نظارتی، درگاه های توجه و اتصالات جهشی Keywords:
تشخیص و طبقه بندی خودکار اهداف سونار غیرفعال با استفاده از یادگیری عمیق نیمه نظارتی، درگاه های توجه و اتصالات جهشی authors
سید مجید حسنی اژدری
گروه مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)، نوشهر، ایران
محمد خویشه
گروه مهندسی برق، دانشگاه علوم دریایی امام خمینی (ره)، نوشهر، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :