计算机应用

作者：王立林, 刘俊

单位：通信信息传输与融合技术国防重点学科实验室(杭州电子科技大学), 浙江 杭州 310018

关键词：深度学习,行为识别,多尺度卷积,长短期记忆网络,海上交通

基金：国家自然科学基金重点项目（61333009）。

针对复杂海洋环境下人工监管船舶行为效率低的问题，提出了一种基于多尺度卷积神经网络的船舶行为识别方法。首先，从船舶自动识别系统（AIS）中获取海量船舶行驶数据，并提取出具有判别力的船舶行为轨迹；然后，根据轨迹数据的特性，利用多尺度卷积设计并实现了针对船舶轨迹数据的行为识别网络，并且使用特征通道加权以及长短时记忆网络（LSTM）来提高算法的准确率。在船舶行为数据集上的实验结果表明，对于指定长度的船舶轨迹，所提识别网络能够达到92.1%的识别准确率，相较于传统的卷积神经网络提高了5.9个百分点，并且在稳定性以及收敛速度上都有明显提升。该方法能够有效地提高船舶行为的识别精度，为海洋监管部门提供高效的技术支持。

来源：2019年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第12期