基于多视图架构深度神经网络的图像威胁识别

摘要：

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.

关键词：威胁识别、毫米波图像、深度学习、图像识别、注意力机制

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家级大学生创新创业训练计划项目;浙江省认知医疗工程技术研究中心开放课题

在线出版日期：2021-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：261-266