基于深度学习的水下复杂环境感知关键技术研究

海洋信息的获取、传输、处理和融合，不仅在海洋科学研究、环境调查、资源开发、权益维护和安全范围中发挥重要的作用，也因其应用环境的特殊性而成为信息科学研究的热点之一。本项目研究立足于目标探测与识别的需求，从复杂水下环境目标探测与识别，多源态势信息集成与关联两个方面着手，提出复杂水下环境目标感知与信息处理的新技术和新方法。提出基于深度学习的目标检测方法，实现快速检测、快速发现，为决策提供更多的时间；针对由于目标数据的缺乏，形成的识别模型存在稳定性差的问题，基于相容性检测与迁移学习的机理，研究复杂水下环境目标识别稳定性的新方法，增强目标识别的可信性;研究并提出一种态势信息空间模型，实现海洋环境信息、目标综合信息、水下监测网信息、互联网情报等信息的集成，为态势认知过程提供丰富的数据基础；以目标检测与识别为中心，提出一种基于目标的关联映射模型，为强化感知与识别的可靠性提供数据处理方法和手段。

项目成熟情况  

基础研究阶段。

应用范围  

水下目标识别。