基于多任务级联残差网络的枪支图像识别系统

摘要：

针对枪支种属识别目前依赖检验人员经验、识别效率较低的问题,建立一种基于多任务级联深度残差网络的枪支图像自动识别模型.以ResNet18为基本构建单元,通过级联融合4个任务中的Softmax损失函数约束,实现对枪支图像从枪族到枪型的多维度聚类.在该模型的基础上,设计一套制式枪支图像智能检索系统,对拍摄上传的枪支图像种属信息进行自动识别.在自建的制式枪支图像数据集上进行实验,结果表明,与EfficientNet、NTS-net等模型相比,该模型的识别准确率更高,Rank-1、Rank-20识别准确率分别达到61.12％、95.28％,且其具有更好的鲁棒性.

关键词：枪支种属识别;深度学习;残差网络;细粒度图像识别;数据增广

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：中央级公益性科研院所基本科研业务费专项2018JB020

在线出版日期：2022-01-13（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：214-219