{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,17]]，“日期-时间”：“2024-01-17T23:44:32Z”，“时间戳”：1705535072247}，“参考-计数”：46，“出版商”：“Hindawi Limited”，“许可证”：[{“开始”：{-date-parts“：[[20201,18]]，”日期-时间“：”2021-01-18T00:00:00 0Z“，”时间戳“：1610928000000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“funder”：[{“DOI”：“10.13039\/501100001809”，“name”：“中国自然科学基金会”，“DOI-asserted-by”：“publisher”，“award”：[“61671465”]}]，”content-domain“：{”domain“:[]，”crossmark-restriction“：false}，”short-conta惰性物质”：[“计算智能与神经科学”]，“published-print”：{“date-parts”：[[2021,18]]}，“abstract”：“水下声纳目标检测在海洋探测领域具有重要作用。为了解决复杂环境下的声纳目标检测问题，提出了一种基于扩张可分离密集连接卷积神经网络（DS-CNNs）和量子粒子群优化（QPSO）算法的声纳对象检测方法。首先，提出了扩展的可分离卷积核来扩展局部感受野，增强卷积层的特征提取能力。其次，基于线性插值算法，提出了一种多采样池（MS-pooling）操作，以减少特征信息损失，恢复图像分辨率。最后，引入传统粒子群优化算法中的收缩膨胀因子和差异方差，采用QPSO算法对网络模型的权重参数进行优化。该方法在声纳图像数据集上进行了验证，并与其他现有方法进行了比较。利用DS-CNN对不同类型的声纳目标进行检测，实验表明，DS-CNNs的检测准确率达到96.98%，DS-CNNs具有更好的检测效果和更强的鲁棒性<\/jats:p>“，”DOI“：”10.1155\/2021\/6235319“，”type“：”journal-article“，”created“：{”date-parts“：[[2021,1,19]]，”date-time“：”2021-01-19T19:35:09Z“，”timestamp“：1611084909000}，”page“：]，“前缀“：”10.1155“，”卷“：”2021“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0002-5765-0827“，”authenticated-ORCID“：true，”给定“：”Zhen“，”family“：”Wang“，”sequence“：”first“，”affiliation“：[}”name“空军工程大学信息与导航学院，中国西安710077”}]}，{“ORCID”：“http://\/ORCID.org\/0000-0001-5097-292 2“，”authenticated-orcid“：true，”given“：”Buhong“，”family“：”Wang“，”sequence“：”additional“，”affiliation“：[{“name”：“中国空军工程大学信息与导航学院，西安710077”}]}，{“orcid”：“http://\/orcid.org\/00000-0003-0490-7649”，“authentitated-orcid:”true，“given”：”Jianxin“，”家庭“：”Guo“，”序列“：”additional“”，“隶属关系”：[｛“名称”：“西京大学信息工程学院，中国西安2019an 710123”｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-4534-5358”，“认证的ORCID”：true，“给定”：“善文”，“家族”：“张”，“序列”：“附加”，“隶属关系”：[｛“名称”：“西京大学信息工程学院，中国西安2019an 710123”｝]}]，“成员”：“98”，“参考”：[{“问题”：“2”，“关键”：“1”，“首页”：“一”，“文章标题”：“影响海洋保护区如何影响生态系统和生计的社会经济因素的系统综述”，“卷”：“7”，“作者”：“M.Mizrahi”，“年份”：“2018”，“期刊标题”：，“article-title”：“基于被动声纳和智能处理的水下声源定位”，“author”：“O.Postolache”}，{“key”：“3”，“doi-asserted-by”：“publisher”，“doi”：“10.3390”\/su11010162”}：“基于Gabor滤波器的激光水下图像目标检测”，“卷”：“12”，“作者”：“S.Yang”，“年份”：“2009”，“期刊标题”：“国际光学工程学会”}，{“密钥”：“6”，“doi断言者”：“出版商”，“doi”：“10.1109\/joe.2007.893683”}，{“问题”：“5”，“密钥”：“7”，“doi断言者”：“crossref”，“首页”：“373”，“doi”：“10.3390\/rs8050373”，“article-title”：“利用图像纹理和独立成分分析的线束声纳后向散射图像自动目标检测算法”，“volume”：“8”，“author”：“F.Elias”，“year”：“2016”，“journal-title“：“Remote Sensing”}，{“key”：：“基于马尔可夫随机场概率方法的图像分割”，“author”：“E.N.Ganesh”}，{“key”：“9”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/3-540-62909-2_99”}、{“密钥”：“10”，“doi-asserte-by”：“publisher”，“DI:”10.1109\/tmag.2009.2012691“1216”，“doi”：“10.1109\/83.847834”，“article-title”：“使用无监督分层MRF模型进行声纳图像分割”，“volume”：“9”，“author”：“C.Collet”，“year”：“2000”，“journal-title“：”IEEE Transactions on image Processing“}，{“issue”：“1”，“key”：”12“first page”：：“基于极限学习机的侧扫声纳图像分割与合成”，“卷”：“16”，“作者”：“S.Yan”，“年份”：“2019年”，“新闻标题”：“应用声学”}，{“关键”：“13”，“文章标题”：”突触间隙的精确分割，轮廓生长与卷积网络相连：“publisher”，“DOI”：“10.3390\/math8040489”}，{“key”：“15”，“首页”：“3675”，“article-title”：“基于蛇模型的水下声纳图像分割”，“volume”：”448\u2013453“，”author“：”W.J.Peng“，”year“：”2013“，”journal-title“：”Applied Mechanics and Materials“}，”{“key”：“16”，“DOI-asserted-by”：“publister”，”DOI“：”10.3390\/rs10020295“}，{“键”：“17”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s11001-016-9276-1”}，{“issue”：“3”，“key”：“18”，“first-page”：“1”，“article-title”：“基于量子粒子群优化和模糊聚类的声纳图像分割算法”，“volume”:“16”，“author”：“Y.Guo”，“year”：“2018”，“journal title”：，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/access.2019.2916461”}，{“key”：“20”，“doo-asserted-by”：”publisher“，”doi“：”10.1007\/978-3-319-10590-1_54“}，”{“密钥”：“21”，“article-title”：“图像识别的深度剩余学习”，“author”：“K.M.He”}：“使用深度卷积神经网络进行侧扫声纳分割”，“卷”：“17”，“作者”：“宋瑜”，“年份”：“2017年”，“新闻标题”：“海洋”}，{“问题”：“2”，“关键”：“23”，“首页”：“209”，“文章标题”：《卷积神经网在前视声纳图像中的目标识别》，“卷“98”，“作家”：“M.Valdenegro”，“年度”：“2016”，“journal-title”：“Oceans”}，{“key”：“24”，“first-page”：“2724”，”article-title“：“用于水下声纳图像目标识别和分类的深度学习特征提取”，“author”：“P.Zhu”}，{”key“：“25”，“doi-asserted-by”：“crossref”，“article-title”：“声纳图像中类地雷目标自动检测的非线性卷积神经网络”，“author”：“I.Dzieciuch”，“DOI”：“10.1007\/978-3-319-52621-8_27”}，{“key”：“26”，“DOI-asserted-by”：“publisher”，“DI:”10.1121\/1.4989020“}，“key“：”27“，”DOI-assert-by“：”publisher“，”DOI“：”10.1051\/matecconf\/201822010004“}”，{”key：“28”，“首页”：“1”，“article-title”：“使用深度学习进行多视图SAS图像分类”，“author”：“D.P.Williams”}，{“key”：“29”，“doi-asserted-by”：“publisher”，“doi”：“10.1109 \/access.2019.2951443”}：“基于传递学习的级联卷积神经网络在高分辨率遥感图像飞机检测中的应用”，“卷”：“16”，“作者”：“P.Bin”，“年份”：“2017年”，“期刊标题”：“传感器杂志”}，{“密钥”：“31”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s10462-019-09719-2”}，“article-title”：“EvoDeep:一种新的自动深度神经网络参数化进化方法”，“volume”：“3”，“author”：“M.Alejandro”，“year”：“2018”，“journal-title“：”journal of Parallel and Distributed Computing“}，{“key”：”33“，”article-title“”：“基于进化算法的深度神经网络结构发现”，“author”:“S。渡边“}，{“key”：“34”，“首页”：“2902”，“article-title”：“图像分类器的大规模进化”，“author”：“E.Real”}，}“keys”：“35”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s00521-019-04236-3”}/j.future.2018.04.050“，”文章标题“：”神经网络的多线程学习控制机制”，“卷”：“2”，“作者”：“D.Po\u0142ap”，“年份”：“2018”，“期刊标题”：“未来一代计算机系统”}，{“key”：“37”，“doi-asserted-by”：“publisher”，“doi”：“10.3390\/app9214643”}、{“密钥”：“38”，“doi-assertd-by”：“publisher”，“DI:”10.1007\/978-319-24574-4_28“}，}“问题”：“4“，”键“：”39“，”首页“：”640“，”article-title“：”语义切分的完全卷积网络“，”volume“：”39“，”author“：”J.Long“，”year“：”2014“，”journal-title”：“IEEE Transactions on Pattern Analysis&Machine Intelligence”}，{“key”：“40”，“doi-asserted-by”：“publisher”，“doi”：“10.1109 \/tpami.2016.2644615”}article-title“：”深入研究卷积“，”volume“：”12“，”author“：”C.Szegedy“，”year“：”2014“，”journal-title”：“IEEE Transactions on Pattern Analysis&Machine Intelligence”}，{“key”：“42”，“first page”：”163“，”article-title“，”MobileNets：移动视觉应用的高效卷积神经网络首页“：”56“，”article-title“：”重新思考反褶积用于语义图像分割“，”author“：”L.C.Chen“}，”key“：”44“，”first page“：“16”，“article-title”：“紧密连接的卷积网络”，“author”：“G.Huang”}，{“key”：“45”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/978-3319-46493-0_38”}“，”{“密钥”：“46”，“首页”：“152”，“”article-title“：”金字塔场景解析网络“，”author“：”H.Zhao“}]，”container-title”：[“计算智能与神经科学”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“http://\/downloads.hindawi.com/journals\/cin\/2021\/6235319.pdf”，“内容类型”：“application\/pdf”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL“：”http://\/downloads.hindawi.com/journals\/cin\/2021\/6235319.xml“，”content-type“：”application\/xml“，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“http://\\/downwnloads.hinda wi.com/johnals\/cin \/2021\/6235319.pdf”，“content-type:”unspecified“，”content-version“：”vor“，”intended-application“：”similarity“检查“}]，”deposited”：｛“日期部分”：[[2021,1,19]，“日期-时间”：“2021-01-19T19:35:18Z”，“时间戳”：1611084918000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https:\/\/whindawi.com\/journals\/cin\/2021\/6235319\/”｝，“副标题”：[]，“编辑器”：[｛“给定”：“马里奥”，“家族”：“Versaci”，“序列”：“附加”，“附属关系”：[]｝]，“短标题”：[]，“已发布”：｛“date-parts“：[2021,1,18]]}，“references-count”：46，“alternative-id”：[“6235319”，“6235316”]，“URL”：“http://\/dx.doi.org\/10.1155\/2021\/6235319”、“relation”：{}，”ISSN“：[”1687-5273“，”1687-5.265“]，”ISSN-type“：[{”value“：”1687-5373“，“type”：“electronic”}，{“value”：65“，”type“：”print“}]，”subject“：[]，”published“：{”date-parts“：[2021,1,18]]}}