利用迁移学习进行水下目标识别。

简介：
海洋声场环境的动态变化和空间变异特性，结合水声目标发声机制的多样性以及其他噪声源的影响，极大地增加了水声目标检测与识别所面临的挑战。传统的目标识别方法主要依赖于对音频的时频域特征进行分析，但在复杂的水下环境中，往往难以获得可靠且具有鲁棒性的表征特征。为了应对这些难题，本文提出了一种基于迁移学习的水声目标识别方案。该方案巧妙地运用了预训练网络VGG和VGGish来提取深层声学特征，并通过对模型进行精细调整，从而实现水声目标的分类与识别。实验结果表明，所提出的识别算法显著提高了识别精度，并有效缩短了训练时间。具体而言，基于微调迁移学习算法的水声目标识别方法在平均准确率方面达到了92.48%，从而取得了当前最佳的识别性能。