基于迁移学习的暴恐图像自动识别

摘要：

利用人工智能和深度学习技术自动化地分析互联网海量图片,快速、准确地识别有害的暴恐图像并及时处置是反恐工作的重要手段之一.研究了利用深度学习和迁移学习技术对暴恐图像进行分类识别.首先,定义了暴恐图像的主要概念特征,并针对性地构建数据集;其次,针对暴恐图像正样本较少的问题,设计深度神经网络模型和迁移学习方式;最后,基于构建的训练数据集进行模型训练和测试.结果显示:所提方法可以快速、准确地对互联网图片进行分类识别,平均分类准确率达到96.7％,从而有效降低人工检测的劳动强度,为反恐预警工作提供决策支持.

关键词：暴恐图像、深度学习、图像识别、卷积神经网络、迁移学习

所属期刊栏目：46

分类号：TP37;TP391.4(计算技术、计算机技术)

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1677-1681