BriefGPT - AI 论文速递
·
多任务学习平衡注意力卷积神经网络模型用于少样本水下声学目标识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本研究提出了一种多任务平衡通道注意力卷积神经网络（MT-BCA-CNN），旨在解决水下声学目标识别中的样本不足和环境干扰问题。实验结果表明，该方法在27类少样本场景下的分类准确率达到97%，F1分数为95%，显著优于传统方法。
🎯
关键要点
- 本研究提出了一种多任务平衡通道注意力卷积神经网络（MT-BCA-CNN）。
- 该方法旨在解决水下声学目标识别中的样本不足和环境干扰问题。
- MT-BCA-CNN通过整合通道注意力机制和多任务学习策略，实现了目标分类与特征重建任务的共同优化。
- 实验结果显示，该方法在27类少样本场景下的分类准确率达到97%，F1分数为95%。
- MT-BCA-CNN显著优于传统卷积神经网络和现有的水下声学识别方法。
➡️
