论文摘要
针对现有智能X射线安检系统对新出现的异种危险物无法进行有效检测以及重新训练模型效率低的问题,研究了一种基于增量学习的X射线安检系统目标检测算法.该算法将传统目标检测网络faster rcnn中的特征提取器替换为残差网络,并在该网络的最后全连接层通过增加对应于新类的目标分类与边框回归神经元构成目标检测的增量学习网络,在该增量网络的损失函数中引入蒸馏损失解决新数据更新网络引起的灾难遗忘问题.最后,在X射线安检系统原7类数据训练模型的基础上依次增加1类新目标数据继续训练并检测,新增目标识别率不低于90%.该算法在保持网络对旧类检测能力的同时,也能将新增危险物以较高的精度检测出来.
论文目录
文章来源
类型: 期刊论文
作者: 田敏皓,陈平
关键词: 增量学习,目标检测,安检系统,损失函数
来源: 测试技术学报 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技,基础科学
专业: 物理学,计算机软件及计算机应用
单位: 中北大学信息探测与处理山西省重点实验室
基金: 国家自然科学基金资助项目(61571404,61871351,61801437)
分类号: TP391.41;O434.19
页码: 48-53
总页数: 6
文件大小: 2695K
下载量: 164
相关论文文献
- [1].基于在线增量学习支持向量机的径流预测[J]. 水利科技与经济 2017(07)
- [2].三支决策朴素贝叶斯增量学习算法研究[J]. 计算机工程与应用 2020(18)
- [3].一种新的类增量学习方法[J]. 计算机工程与应用 2011(34)
- [4].实现兼类样本类增量学习的一种算法[J]. 控制与决策 2009(01)
- [5].基于在线增量学习的自适应聚焦爬虫研究[J]. 计算机应用与软件 2009(05)
- [6].基于超球支持向量机的类增量学习算法研究[J]. 计算机科学 2008(08)
- [7].基于目标均衡度量的核增量学习跌倒检测方法[J]. 计算机应用 2018(04)
- [8].基于最小二乘支持向量机的特征增量学习算法[J]. 计算机工程与科学 2008(12)
- [9].一种改进的种群增量学习算法求解带软时间窗的车辆路径优化问题[J]. 南京理工大学学报 2016(01)
- [10].云计算平台上基于选择性集成的增量学习研究[J]. 南京邮电大学学报(自然科学版) 2012(05)
- [11].基于本体增量学习的主题爬行[J]. 长春工程学院学报(自然科学版) 2010(04)
- [12].适用于连续数值标签的兴趣漂移增量学习方法[J]. 北京航空航天大学学报 2009(09)
- [13].多特征增量学习的视频重建图像质量增强算法[J]. 华南理工大学学报(自然科学版) 2018(12)
- [14].具有增量学习能力的智能孤岛检测方法[J]. 电力自动化设备 2018(05)
- [15].支持增量学习的文本单类别分类算法[J]. 计算机工程与应用 2008(27)
- [16].基于增量学习的非平衡SVM分类方法[J]. 计算机与现代化 2018(07)
- [17].支持向量机在线增量学习算法的MATLAB实现[J]. 江汉大学学报(自然科学版) 2016(05)
- [18].一种改进的LSTSVM增量学习算法[J]. 吉林大学学报(理学版) 2018(04)
- [19].一种基于局部敏感哈希的SVM快速增量学习算法[J]. 计算机科学 2017(S2)
- [20].一种面向硬件木马检测的SVDD增量学习改进算法[J]. 计算机工程与应用 2019(09)
- [21].基于选择性抽样的SVM增量学习算法的泛化性能研究[J]. 计算机测量与控制 2019(04)
- [22].基于子空间距离的局部切空间增量学习[J]. 武汉科技大学学报 2019(05)
- [23].基于群体增量学习算法的第三方物流网络设计[J]. 辽宁工业大学学报(自然科学版) 2018(03)
- [24].一种SVDD增量学习淘汰算法[J]. 计算机工程与应用 2018(18)
- [25].增量学习的模糊风格K平面聚类[J]. 控制与决策 2020(09)
- [26].一种具有增量学习能力的PU主动学习算法[J]. 计算机工程 2011(04)
- [27].动态的SDN网络流量模式增量学习算法[J]. 中南民族大学学报(自然科学版) 2018(02)
- [28].自适应的SVM增量算法[J]. 计算机科学与探索 2019(04)
- [29].基于典型样本的卷积神经网络增量学习研究[J]. 电子测量技术 2018(06)
- [30].基于增量学习和Lasso融合的数据可视化模式识别方法[J]. 高技术通讯 2018(01)