基于并行卷积神经网络的军事目标图像分类技术

针对军事战场背景下不同军事目标相似度较高,使得复杂环境中目标识别率较低,且军事目标与作战环境相似度也比较高,因此对作战环境中的军事目标图像分类技术进行研究是有必要的,本文利用卷积神经网络在静态图像上稳健的特征提取能力,提出一种基于卷积神经网络的并行网络模型,用于军事目标图像分类,该方法利用两种边缘检测算子分别提取目标图像特征,之后输入卷积神经网络中进行深度特征提取,与传统卷积神经网络相比,分类识别率提高了1.2%,达到了97%。理论分析与实验数据说明,通过该模型能够对军事目标图像数据进行有效区分,对准确提供军事作战信息有重要意义。