本文主要研究内容
作者高强,潘俊,洪锐锋（2019）在《基于CNN的机场安检危险品自动识别研究》一文中研究指出：机场安检是民航安全飞行的重要保障。针对机场安检危险品人工识别工作量大、效率低、易疲劳误判及危险品图像数据集不均衡导致识别准确率低的问题,提出一种基于GAN数据增强的卷积神经网络危险品自动识别模型。首先利用GAN使危险品图像数据集均衡化,然后将图像输入由4个卷积层、1个全连接层构成的卷积神经网络模型进行训练,训练时引入随机失活优化技术,使模型得到更好的识别效果。在2017公安一所危险品图像数据集上的实验结果表明,经过均衡化处理后,模型的识别准确率达到90.7%,较均衡化之前提高了33.4%。另外,经过对比实验,模型的识别准确率分别比GoogLeNet、AlexNet、ResNet高出5.8%、7.2%和5.4%。该模型具有较高的识别准确率及较好的实时性,对提升机场安检智能化水平具有积极意义。
Abstract
ji chang an jian shi min hang an quan fei hang de chong yao bao zhang 。zhen dui ji chang an jian wei xian pin ren gong shi bie gong zuo liang da 、xiao lv di 、yi pi lao wu pan ji wei xian pin tu xiang shu ju ji bu jun heng dao zhi shi bie zhun que lv di de wen ti ,di chu yi chong ji yu GANshu ju zeng jiang de juan ji shen jing wang lao wei xian pin zi dong shi bie mo xing 。shou xian li yong GANshi wei xian pin tu xiang shu ju ji jun heng hua ,ran hou jiang tu xiang shu ru you 4ge juan ji ceng 、1ge quan lian jie ceng gou cheng de juan ji shen jing wang lao mo xing jin hang xun lian ,xun lian shi yin ru sui ji shi huo you hua ji shu ,shi mo xing de dao geng hao de shi bie xiao guo 。zai 2017gong an yi suo wei xian pin tu xiang shu ju ji shang de shi yan jie guo biao ming ,jing guo jun heng hua chu li hou ,mo xing de shi bie zhun que lv da dao 90.7%,jiao jun heng hua zhi qian di gao le 33.4%。ling wai ,jing guo dui bi shi yan ,mo xing de shi bie zhun que lv fen bie bi GoogLeNet、AlexNet、ResNetgao chu 5.8%、7.2%he 5.4%。gai mo xing ju you jiao gao de shi bie zhun que lv ji jiao hao de shi shi xing ,dui di sheng ji chang an jian zhi neng hua shui ping ju you ji ji yi yi 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机技术与发展的高强,潘俊,洪锐锋，发表于刊物计算机技术与发展2019年10期论文，是一篇关于危险品论文,自动识别论文,不均衡论文,计算机技术与发展2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机技术与发展2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：危险品论文; 自动识别论文; 不均衡论文; 计算机技术与发展2019年10期论文;