基于主动深度学习的水下目标识别方法

发明专利有效专利

申请号：
CN202110377531.2
IPC分类号：G06K9/00;G06K9/62;G06N3/04
申请日期：
2021-04-08
申请人：
东南大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于主动深度学习的水下目标识别方法
申请号	CN202110377531.2	申请日期	2021-04-08
法律状态	实质审查	申报国家	中国
公开/公告日	2021-07-13	公开/公告号	CN113111764A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	东南大学	申请人地址	江苏省南京市玄武区四牌楼2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	东南大学	当前权利人	东南大学
发明人	吕健坤;姜龙玉
代理机构	南京众联专利代理有限公司	代理人	张天哲

摘要

本发明公开了一种基于主动深度学习的水下目标识别方法，包括如下步骤：1、对声呐信号原始数据进行预处理，并将其划分为备选集和测试集；2、从步骤1中划分的备选集中，选择一部分数据，标注后从备选集移动到训练集，作为初始训练数据；3、使用训练集中的数据训练CNN模型，并在训练完成时记录模型性能；4、在剩余的备选集中，按照主动学习策略，挑选一定数量的数据，标注后移动到训练集；5、重复步骤3和4，直至备选集中的所有数据都加入训练集；6、模型训练结束，根据每步记录的模型性能，得出模型性能随训练数据量的变化关系。本发明在相关任务中有显著的降低数据标注成本、提升数据标注效率的作用。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供