基于迁移学习的暴恐图像自动识别

发布时间：2022-12-10 19:12

　　利用人工智能和深度学习技术自动化地分析互联网海量图片,快速、准确地识别有害的暴恐图像并及时处置是反恐工作的重要手段之一。研究了利用深度学习和迁移学习技术对暴恐图像进行分类识别。首先,定义了暴恐图像的主要概念特征,并针对性地构建数据集;其次,针对暴恐图像正样本较少的问题,设计深度神经网络模型和迁移学习方式;最后,基于构建的训练数据集进行模型训练和测试。结果显示:所提方法可以快速、准确地对互联网图片进行分类识别,平均分类准确率达到96.7%,从而有效降低人工检测的劳动强度,为反恐预警工作提供决策支持。 

【文章页数】：5 页

【文章目录】：
1 相关研究
2 算法设计
    2.1 构建数据集
    2.2 迁移学习
    2.3 CNN模型设计与训练
3 实验分析
4 结 束 语


【参考文献】：
期刊论文
[1]涉暴恐音视频犯罪实证研究——以中国裁判文书网公开的48个判例为分析样本[J]. 王胜华.  江西警察学院学报. 2019(06)
[2]基于BiLSTM-CRF的涉恐信息实体识别模型研究[J]. 黄炜,黄建桥,李岳峰.  情报杂志. 2019(12)
[3]面向涉恐领域的知识图谱构建方法[J]. 廖浚斌,周欣,何小海,王正勇,卿粼波.  信息技术与网络安全. 2019(09)
[4]大数据背景下涉恐信息挖掘方法综述[J]. 倪叶舟,张鹏,扈翔,屈健,李昊青.  中国公共安全(学术版). 2018(04)
[5]“算法反恐”:恐怖主义媒介化与人工智能应对[J]. 李龙,支庭荣.  现代传播(中国传媒大学学报). 2018(09)
[6]机场区域中人群涉暴恐动作智能识别方法仿真[J]. 张宁,朱金福.  计算机仿真. 2015(06)

硕士论文
[1]基于Logo标志检测的暴恐视频识别系统的设计与实现[D]. 符亚彬.北京交通大学 2016



本文编号：3717361