文献

J-GLOBAL ID：202202262079187638   整理番号：22A0992717

マルチタスクカスケード残差ネットワークに基づく銃の画像認識システム【JST・京大機械翻訳】

Firearm Image Recognition System Based on Multi-Task Cascaded Residual Network

著者 (7件)： Zhou Zhifei (公安部物証鑒定中心,北京100038) ,  Wu Jinlong (北京多維視通技術有限公司,北京100070) ,  Li Yidie (公安部物証鑒定中心,北京100038) ,  Jia Libang (中国科学院自動化研究所,北京100190) ,  Shen Yujie (公安部物証鑒定中心,北京100038) ,  Zhang Gang (公安部物証鑒定中心,北京100038) ,  Cui Bin (公安部物証鑒定中心,北京100038)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 48  号： 1  ページ： 214-219  発行年： 2022年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 銃の種属識別の現在の検査員の経験と識別効率が低い問題に対して、マルチタスクカスケード深さ残差ネットワークに基づく銃支画像の自動識別モデルを構築した。ResNet18を基本構築ユニットとし、4つのタスクにおけるSoftmax損失関数の制約をカスケード融合することで、銃の画像が銃族から銃型までの多次元クラスタリングを実現した。このモデルに基づいて,銃の画像のための知的検索システムを設計し,そして,アップロードした銃の画像種情報を自動的に識別した。自己構築型銃の画像データセット上で実験を行い,結果は,EfficientNet,NTS-netモデルと比較して,このモデルの認識精度がより高く,Rank-1とRank-20の認識精度が,それぞれ61.12%と95.28%であることを示した。それは,より良いロバスト性を持った。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 情報検索システム ,  損失関数 ,  *ネットワーク ,  *残差 ,  精度 ,  クラスタ化 ,  *画像 ,  モデル ,  検査員 ,  高次元 ,  ロバスト性 ,  自己集合 ,  *画像認識
準シソーラス用語： アップロード ,  自動認識 ,  認識精度 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： マルチタスク ,  カスケード ,  残差 ,  銃 ,  画像認識