原创力文档- 1、本文档共25页，其中可免费阅读24页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种结合HOG特征提高SAR船只分类精度的方法，它是通过融合了深度学习理论和传统手工特征方法，应用了多尺度分类机制，全局注意力机制和全连通平衡机制，从而优化网络结构以提高准确性；同时应用了HOG特征融合机制，实现了传统手工特征与现代抽象特征的融合，进一步提高准确性。在两个开放的SAR船只数据集(即Open‑SARShip数据集和FUSAR‑Ship数据集)上的实验结果共同表明，与基于CNN的方法和传统手工特征方法相比，实现了先进的CNN特征提取与传统的HOG特征提取的融合，能够提供S
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 113344045 B
(45)授权公告日 2022.03.15
(21)申请号 202110562039.2 G06V 10/82 (2022.01)
文档评论（0）