公开(公告)号：CN119919708A

公开(公告)日：2025-05-02

申请号：CN202411801661.4

申请日：2024-12-09

Applicant: 中北大学

Inventor： 吉琳娜 ,  杨风暴 ,  王伊凡

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/52 ,  G06V10/62 ,  G06N3/0455 ,  G06N3/08 ,  G06V20/54

Abstract: 本发明涉及海域态势感知中航迹分类识别方法，具体为基于深度学习网络的航迹分层分类方法，首先，将船舶航迹转化成图像层，构建基于Swin‑Transformer网络的航迹图像层分类模型；其次对于航迹序列层，基于多维信息的航迹压缩算法优化航迹序列的输入，并构建基于Gained‑Transformer‑Network深度学习网络的航迹序列层分类模型。最后建立基于可信度的融合层航迹分类模型，提高航迹分层分类的准确率。经过实验验证，平均分类准确率为91.7%，融合分类器的分类性能相较于其他单分类器平均提高了11%，F1分数平均为0.82。结果表明，新提出的方法和新的融合分类器对船舶航迹具有较好的分类效果。