作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
近年来,X射线图像中复杂背景下充电宝锂电池的识别理论与技术成为安检领域关注的新焦点.研究使用基于卷积神经网络的目标识别模型对大量带有充电宝锂电池的X射线图像进行学习,得到X射线图像中的充电宝锂电池识别模型.然后,对模型的训练过程进行了详细的讨论并给出了优化方案和结果.最后,经过大规模的测试证明了该模型具有较好的泛化能力.
推荐文章
基于改进神经网络算法的医疗锂电池PHM系统设计
医疗锂电池
故障预测与健康管理系统
非线性自回归神经网络
人工免疫粒子滤波算法
经验模型
基于卷积神经网络的图像检测识别算法综述
卷积神经网络
图像检测
图像识别
基于稀疏卷积神经网络的考生识别算法
考生识别
卷积神经网络
人脸识别
身份验证
多通道输入
方法比
基于VR技术的X射线图像安检危险品自动识别
VR技术
X射线图像
安检危险品
自动识别
图像目标重现
BP神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的X射线安检图像充电宝锂电池的识别算法
来源期刊 警察技术 学科
关键词 卷积神经网络 深度学习 X射线图像 充电宝 目标识别
年,卷(期) 2019,(6) 所属期刊栏目 安全检查
研究方向 页码范围 82-85
页数 4页 分类号
字数 4727字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 查艳丽 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
深度学习
X射线图像
充电宝
目标识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
警察技术
双月刊
1009-9875
11-1645/D
大16开
北京市首都体育馆南路1号
1985
chi
出版文献量(篇)
2950
总下载数(次)
20
论文1v1指导