版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
面向深海场景的声呐点云语义理解深度学本发明公开了一种面向深海场景的声呐点云语义理解深度学习网络调制方法,该方法包声呐点云语义理解网络在复杂深海环境中的适2基于已在点云数据集上完成预训练的语义理解网络,对其分类结果进行特征统计分采用SHAP归因分析方法对语义理解网络中的分类器进行归因分析,通过设置将对于深海点云语义理解的先验知识进行形式化建模表征,以将其转换为逻辑表达在语义理解网络的模型前向推理过程中,通过特征解释形式化建模表征的对于深海点云语义理解的先验知识所对应的逻辑表达式对预分类结果2.根据权利要求1所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,;3.根据权利要求1所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,采用SHAP归因分析方法对语义理解网络中的分类器进行归因分析;F=[f,fz,…,fk,…,fx]表不包括fi的特征子集,F)(f}表示从F中排出fi,M(suffiy)是在集上训练分类器并进行预测的结果,M(S)是在特征子集S上训练分类器并进行预测的结4.根据权利要求3所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,基于不同目标类别的中间特征向量各分量的SHAP值以及设置的浮动SHAP重要性阈值,;其中,fi表示特征向量T=[f,fz,…,fk,…,fx]中的第k个特征分量,vshap表示浮动SHAP3;入为灵敏度阈值。5.根据权利要求1所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,;;6.根据权利要求1所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,;与形式化建模表征的对于深海点云语义理解的先验知识所对应的逻辑表达式给出的分类7.根据权利要求1所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,;8.一种面向深海场景的声呐点云语义理解深度学1_7中任一项所述的面向深海场景的声呐点云语义理解深度学习网络调制方法,其特征在SHAP分析单元,用于对语义理解网络中的分类器进行归因知识建模表征单元,用于将深海点云场景的先验知识知识映射单元,用于对中间特征进行预分类以及采用形式4中间特征进行修正,以使语义理解网络在处理深海点云数据时融合来自先验知识的信息,权利要求1_7中任一项所述的面向深海场景的声呐点云语义理解深度学习网络调用于实现权利要求1_7中任一项所述的面向深海场景的声呐点云语义理解深度学习网络调5括以下步骤:首先,根据多波束测深声呐探测管道得到的水下声呐图像,采用阈值法和[0004]随着人工智能技术的不断成熟,基于深度学习的点云语6上述形式化建模表征的对于深海点云语义理解的先验知识所对应的逻辑表达式对预分类[0010]进一步地,所述采用SHAP归因分析方法对语义理解网络中的分类器进行归因分7F=[f,fz,…,fk,…,fx]表示目标分类结果为i的一个中间特征向量,K表示中间特征向量征子集s和fix的联合数据集上训练分类器并进行预测的结果,M(s)是在特征子集s上训练[0012]进一步地,所述通过设置浮动SHAP重要性阈值确定不同目标类别的关键特征分基于不同目标类别的中间特征向量各分量的SHAP值以及设置的浮动SHAP重要性[0016]其中,Ereatureo表示特征解释器,表示中间特征,I表示目标类别的总数量,D(F,)表示中间特征F与目标类别为i的特征向量Ii之间的差异性,其计算公式为:表示第9个关键特征分量,i,表示目标类别为i的特征向量Ii中的第9个类结果与形式化建模表征的对于深海点云语义理解的先验知识所对应的逻辑表达式给出Tym(F,i)=F+AF[0022]本发明实施例第二方面提供了一种面向深海场景的声呐点云语义理解深度学习网络调制装置,用于实现上述的面向深海场景的声呐点云语义理解深度学习网络调制方8[0023]本发明实施例第三方面提供了一种电子设备,包括一个所述程序数据以实现上述的面向深海场景的声呐点云语义理解深度学习网[0029]图1是本发明的面向深海场景的声呐点云语义理解深度学习网络调制方法的流程9图5是本发明的面向深海场景的声呐点云语义理解深度学习网络调制装置的结构[0031]在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发含一个或多个相关联的列出项目的任何或所[0034]本发明的面向深海场景的声呐点云语义理解深度学习网络调制方法,通过结合类为i类别的特征的总数量,F=[f,fz,…,fiw,…,fx]表示目标分类结果为i的一个中间特征F=[f,fz,…,fk,…,fx]表示目标分类结果为i的一个中间特征向量,K表示中间特征向量征子集s和fix的联合数据集上训练分类器并进行预测的结果,M(s)是在特征子集s上训练所示。[0042]然后基于不同目标类别的中间特征向量各分量的SHAP值以及设置的浮动SHAP重果为i的一个中间特征向量为F=[f,fz,…,fiw,…,fx],多个中间特征向量F的平均值即为,。[0048]其中,Ereatureo表示特征解释器,表示中间特征,I表示目标类别的总数量,D(F,)表示中间特征F与目标类别为i的特征向量Ii之间的差异性,其计算公式为:fg表示第9个关键特征分量,i,表示目标类别为i的特征向量Ii中的第9个特征向量Ii之间的差异性D(F,),将差异最小的特征所对应的类别视为F的目标所对应的结合上述形式化建模表征的人类对于深海点云语义理解的相关先验知识所对应的逻辑表Tym(F,i)=F+AF[0060]本实施例中,知识映射单元530用于对中间特征进行预分类以及采用形式化的先[0062]与前述面向深海场景的声呐点云语义理解深度学习网络调制方法的实施例相对述实施例中的面向深海场景的声呐点云语义理解深度学习[0065]上述电子设备中各个单元的功能和作用的实现过程具体详见上述方法中对应步器执行时,实现上述实施例中的面向深海场景的声呐点云语义理解深度学习网络调制方[0068]所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 二年级美术教学设计:第三单元第2课《树干上的花纹》核心素养导向下的单元整合实践
- 八年级物理教学设计:机械效率的计算与测量实践
- 初中八年级道德与法治“按劳分配为主体、多种分配方式并存”创新教案设计
- 九年级英语状语从句综合复习与深化教学设计
- 小学心理健康六年级上册《兴趣为学习导航》教学设计
- 小学三年级道德与法治上册第11课《我们都是热心人》第二课时教学设计
- 小学二年级道德与法治家乡山水主题第一课时教学设计
- 小学五年级英语湘少版下册期末复习教学设计:核心素养导向的主题整合与评价实施
- (2026年)幼儿园食品安全培训计划方案
- (2026年)副主任医师个人年终总结范本
- 2026年社区财务专干招聘考试笔试试题(含答案)
- 护士长管理进修汇报
- 脐灸面碗灸课件
- 科室常见医疗仪器使用流程
- 2025年CAP国际注册反舞弊师考试(反舞弊理论)历年参考题库含答案详解
- 移动式活动脚手架专项施工方案
- 自考04751计算机网络安全2025-07~2026-10试题
- 良性阵发性位置性眩晕护理
- T/CASTEM 1006-2022科技评估报告编制通用要求
- 课件:《军事理论与国家安全教育》第五章信息化装备第十六课信息化杀伤武器
- 2021年版《医疗废物分类目录》
评论
0/150
提交评论