基于CNN的机场安检危险品自动识别研究

• 作者: 洪锐锋 潘俊 高强
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 危险品 CNN 自动识别 不均衡 GAN
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 应用开发研究
• 页码范围: 95-99
• 页数: 5页
• 分类号: TP391.41
• 字数: 2835字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2019.10.020

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高强	广州民航职业技术学院计算机系	10	14	2.0	3.0
2	潘俊	广州民航职业技术学院计算机系	4	5	2.0	2.0
3	洪锐锋	广州民航职业技术学院计算机系	4	5	1.0	2.0