基于多视图架构深度神经网络的图像威胁识别

作者：叶晴昊; 涂岱键; 毕奇; 秦飞巍^*; 葛瑞泉; 白静

来源：计算机工程, 2020, 46(11): 261-266.

DOI：10.19678/j.issn.1000-3428.0056527

• 威胁识别
• 毫米波图像
• 深度学习
• 图像识别
• 注意力机制

由于藏匿物体的大小、形状和位置未知,且样本类别不均衡,常用的深度学习方法存在误报率较高的问题。为此,构建一种基于多视图架构的深度卷积神经网络模型。通过残差连接卷积神经网络对特征进行提取,使用基于稠密连接的长短期记忆注意力模型模拟人类多角度观察,以强化威胁信息表达,并基于焦点损失函数优化网络,从而构成端到端的架构。在HD-AIT毫米波人体威胁扫描数据集上的测试结果表明,相比其他基线模型,该模型的准确率和召回率分别可达到0.997、0.999。

• 单位
  北方民族大学; 杭州电子科技大学; 武汉大学