基于神经网络结构搜索的目标识别方法

发布时间：2022-01-25 07:50

　　针对目标识别需求,对基于神经网络的深度学习方法展开研究。由于深度学习模型中包含了对数据的先验假设,因此人工设计神经网络需要领域内专家丰富的先验知识,且具有劳动密集与时间成本高的缺点。为了获得超越专家个人经验、表现更好的网络,采用一种可微神经结构搜索的高效结构搜索方法,将搜索空间放宽为连续的空间,然后通过梯度下降来优化体系结构的验证集性能,从而找到面向目标识别的最优神经网络结构。仿真实验结果表明,将基于神经网络结构搜索的目标识别方法应用于"低慢小"类目标识别是可行的。 

【文章来源】：空军工程大学学报(自然科学版). 2020,21(04)北大核心CSCD

【文章页数】：5 页

【部分图文】：

网络层数为8的缩小单元

网络层数为12的正常单元

训练数据对基于深度学习的目标识别至关重要。针对城市中常见的飞行物类型，本文通过网络收集与实际拍摄，收集了丰富的目标影像数据，包括3类目标：固定翼无人机、多旋翼无人机与飞鸟，各1 000张。影像分辨率固定为256×256，以jpg格式保存。数据集实例见图1。4.1 结构搜索得到的正常单元和缩小单元


本文编号：3608162