船舶辐射噪声分类卷积神经网络的可视化分析和卷积核剪枝

来源：电子与信息学报杂志2024年第1期北京时间：

作者：徐源超, 蔡志明, 孔晓鹏, 黄炎

单位：海军工程大学电子工程学院 武汉 430033

摘要：当前基于深度神经网络的船舶辐射噪声分类研究主要关注分类性能，对模型的解释性关注较少。本文首先采用导向反向传播和输入空间优化，基于DeepShip数据集，构建以对数谱为输入的船舶辐射噪声分类卷积神经网络(CNN)，提出了一种船舶辐射噪声分类CNN的可视化分析方法。结果显示，多帧特征对齐算法改进了可视化效果，深层卷积核检测线谱和背景两类特征。其次，基于线谱是船舶分类的稳健特征这一知识，提出了一种卷积核剪枝方法，不仅提升了CNN分类性能，且训练过程更加稳定。导向反向传播可视化结果表明，卷积核剪枝后的CNN更加关注线谱信息。

关键词：船舶辐射噪声分类, 卷积神经网络, 可视化分析, 神经网络剪枝, 导向反向传播