典型文献
行李安检智能检测最难分样本集选取方法研究
文献摘要：
研究表明,使业务模型性能变差的难分样本对系统边界决策能力增长有决定性影响.由于行李携带危险品的多样性及实物形态的不确定性,以及现场行李安检系统生成的行李X光图像数据呈现"长尾分布"特征,由有限次样本采集的数据集训练得到的智能检测模型,在应用于现场行李安检系统后,存在检测准确率不高的问题.文章针对行李安检智能检测数据分析闭环流程,提出最难分样本集的离散强化选取方法,可从现场行李安检系统运行过程中产生的危险品实例图像中选取最难分样本集,作为新增样本数据,用于智能检测模型的学习更新,实现安检智能检测软件性能的持续增强.
文献关键词：
行李安检;智能检测;数据分析闭环;难分样本选取;模型更新;强化学习;K-reciprocal重排序
中图分类号：
作者姓名：
胡靖雪;张驰;徐力恒;吕晓军;刘跃虎
作者机构：
西安交通大学 人工智能学院,西安 710049;中国铁道科学研究院集团有限公司 电子计算技术研究所,北京 100081
文献出处：
引用格式：
[1]胡靖雪;张驰;徐力恒;吕晓军;刘跃虎-.行李安检智能检测最难分样本集选取方法研究)[J].铁路计算机应用,2022(07):99-102
A类：
行李安检,数据分析闭环,难分样本选取
B类：
智能检测,最难,样本集,业务模型,模型性能,系统边界,决策能力,决定性影响,危险品,安检系统,系统生成,图像数据,长尾分布,限次,样本采集,集训,练得,检测模型,检测准确率,检测数据,环流,检测软件,模型更新,强化学习,reciprocal,重排序
AB值：
0.241242
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
