典型文献
行李安检禁限带物品识别多标签图像分类算法
文献摘要：
有效识别禁限带物品的智能识别算法有助于降低安检人员劳动强度,提升旅客行李安检作业效率.文章采用图像多标签分类的深度卷积神经网络,通过引入图像注意力机制与动态元融合,能够在卷积前向传递过程中补充低层图像视觉线索,有效应对行李X光图像中物品影像混叠干扰及低分辨率特征混淆的问题,增强对细粒度特征的识别能力;同时,引入外部神经知识的元选择网络,实现网络多阶段预测的自适应融合,以避免权重偏置现象.实验结果表明,文章算法能够克服行李X光图像中影像混叠和物品尺度变化带来的禁限带物品识别困难,有效提高识别准确率.
文献关键词：
行李安检;禁限带物品识别;行李X光图像;深度卷积神经网络;多标签分类;注意力机制;元融合
中图分类号：
作者姓名：
胡本翼;彭凯贝;张驰;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]胡本翼;彭凯贝;张驰;吕晓军;刘跃虎-.行李安检禁限带物品识别多标签图像分类算法)[J].铁路计算机应用,2022(10):16-21
A类：
行李安检,禁限带物品识别
B类：
多标签图像分类,图像分类算法,智能识别,识别算法,劳动强度,旅客,作业效率,多标签分类,深度卷积神经网络,注意力机制,元融合,传递过程,低层,视觉线索,中物,低分辨率,细粒度特征,识别能力,选择网络,多阶段,自适应融合,偏置,中影,尺度变化,识别准确率
AB值：
0.257607
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。
