基于 CNN 的机场安检危险品自动识别研究

来源：计算机技术与发展杂志2019年第10期北京时间：

作者：高强;潘俊;洪锐锋

摘要：机场安检是民航安全飞行的重要保障。 针对机场安检危险品人工识别工作量大、效率低、易疲劳误判及危险品图像数据集不均衡导致识别准确率低的问题,提出一种基于 GAN 数据增强的卷积神经网络危险品自动识别模型。 首先利用GAN 使危险品图像数据集均衡化,然后将图像输入由 4 个卷积层、1 个全连接层构成的卷积神经网络模型进行训练,训练时引入随机失活优化技术,使模型得到更好的识别效果。 在 2017 公安一所危险品图像数据集上的实验结果表明,经过均衡化处理后,模型的识别准确率达到 90.7%,较均衡化之前提高了 33.4%。 另外,经过对比实验,模型的识别准确率分别比 GoogLeNet、AlexNet、ResNet 高出 5.8%、7.2%和 5.4%。 该模型具有较高的识别准确率及较好的实时性,对提升机场安检智能化水平具有积极意义。

关键词：危险品;CNN;自动识别;不均衡;GAN