基于卷积神经网络的主动声呐图像不平衡分类研究

主动声呐目标面临"大数据,小样本"的问题,"大数据"是指回波亮点数量、种类、回波形态分布非常丰富,"小样本"是指人类感兴趣的目标亮点稀少.在实际水声样本中存在无法确认标签的问题,只得将关注类型的样本标记为正类,非关注的样本标记为负类,导致负类样本远远高于正类样本,加剧了主动声呐图像集的不平衡性.为解决不平衡数据集对卷积神经网络模型的影响,本文从数据与算法2个层面研究了不平衡数据集处理方法.通过大量的实验结果表明,加权交叉熵损失函数法为处理极度不平衡主动声纳图像数据集的较好方法,并且本文两两组合数据层面与算法层面的非平衡数据集处理技术,数据增强与交叉熵损失函数相结合的模型得到具有最优的分类结果.