【摘 要】
：
深度学习是人工智能领域里的一个重要分支,依赖着大批量的数据,数据集的质量及大小更是直接影响模型性能的关键。卷积神经网络（CNN）在计算机视觉任务中取得了巨大突破,尤其是大规模训练带注释的数据集。但是,获得如此大的X射线数据集以用于公共场所（例如机场,火车站等）的违禁品检测,对于信息安全尤其是一些罕见的违禁品而言,并不是一件容易的事。针对违禁品图像检测中因数据集小而造成检测模型效果不佳的问题,提出基
论文部分内容阅读
深度学习是人工智能领域里的一个重要分支,依赖着大批量的数据,数据集的质量及大小更是直接影响模型性能的关键。卷积神经网络（CNN）在计算机视觉任务中取得了巨大突破,尤其是大规模训练带注释的数据集。但是,获得如此大的X射线数据集以用于公共场所（例如机场,火车站等）的违禁品检测,对于信息安全尤其是一些罕见的违禁品而言,并不是一件容易的事。针对违禁品图像检测中因数据集小而造成检测模型效果不佳的问题,提出基于生成对抗网络的安防数据增强方法的课题具有重要的研究价值。本文提出了一种基于相对平均深度卷积生成对抗网络（Relativistic average Deep Convolutional Generative Adversarial Network,Ra-DCGAN）的安防数据增强方法来扩充数据集。Ra-DCGAN结合了深度卷积生成对抗网络（Deep Convolutional GAN,DCGAN）和相对平均生成对抗网络（Relativistic average GAN,Ra GAN）方法的优势,并进行了一些优化和改进,提高了生成的危险品图像质量。通过危险品图像注入（Threat Image Projection,TIP）方法构建了合成的X光违禁品图像,并利用目标检测方法实现对危险物品的检测,达到检测精度提高的效果。为证明基于Ra-DCGAN的安防数据增强方法的有效性,本文在四类X光图像样本（刀具,手刀,瓶子和打火机）的有限数据集做验证。与仅含真实X光图像数据集相比,在真实数据中加入Ra-DCGAN模型合成的违禁品图像数据来训练检测模型,后者能够快速改善危险品数据集的平均精度值。与传统的数据增强效果相比,Ra-DCGAN生成的合成增强数据在检测任务中表现良好,平均精度值高达92.76%,召回率高达84.55%。实验证明本文方法能够有效的增强已有危险品数据集。
其他文献
近年来工业机器人逐渐被应用到金属零件的打磨领域,但是该技术的成熟度还不够高,发展还比较缓慢。小型金属零件因其结构复杂现在仍然需要靠人工进行打磨。近年来国内工厂的用工荒越来越严重,人力成本不断增加,机器人打磨作为一项有望代替人工操作的新技术,得到了人们越来越多的关注和研究。因此,研发机器人打磨技术具有较广的工业应用前景和重要的社会意义。本研究针对小型金属零件的打磨抛光任务,建立了一种基于六轴机器人的
柔性传感技术在特殊环境监测与可穿戴设备等领域发挥着重要的作用。随着柔性材料的快速发展,各种高性能的、生物相容性优异的柔性传感器相继问世。聚二甲基硅氧烷（PDMS）是一种高弹性且透光的材料,也是目前最受欢迎的柔性传感器材料之一。PDMS是树脂和固化剂的混合物,在一定温度下固化而成。本文介绍了一种基于PDMS光栅的柔性力传感技术。本文采用商用主光栅制作PDMS光栅,并得出了其弹性模量与固化温度和混合比
离心泵在油田生产现场应用广泛,现场执行大修采用的是定期维修或经验判定,缺乏对临修离心泵的剩余寿命评估。因此开展临修离心泵剩余寿命评估的研究具有重大意义。本文以离心泵为研究对象,在离心泵退化指标构建、大修标准阈值确定和剩余寿命评估等方面进行了研究,主要内容有:（1）提出了基于多源特征融合的离心泵退化指标构建方法。从振动特征中提取分别反映轴承、泵轴、叶轮三大关键零部件运行状态的振动速度有效值、振动位移
目前国内有40多万口生产油井,其中80%以上采用抽油机作为人工举升方式。对抽油机井生产工况精确的诊断是稳定单井产量、延长检泵周期、节能降耗的核心技术。当前基于示功图的工况诊断存在投资成本高、数据易漂移失真等问题。抽油机井生产过程中的电参数具有采集成本低、数据稳定、能够长期连续测量等优点,同时也存在数据不规律,影响因素多等缺陷,单靠数学建模很难实现精确的工况诊断。本文首先在考虑电动机损失功率、皮带损
地下储气库由于在调峰及安全供气中独一无二的优点,是输气网络的重要组成部分之一。呼图壁地下天然气储气库是中国在天津大张坨地下储气库之外投产的第二个储气库,同时也是目前为止中国储容量最大的天然气地下储气库,作为地下储气库,呼图壁储气库具有储藏量大、调节工作气量大、安全性高和成本低等优势,具备季节调峰和应急储备双重功能。它极大的改善了新疆地区冬季供气不足的现状,而且作为西气东输首个大型配套系统,在保障国
目前,受制于康复医疗资源的短缺,我国老年人和残疾人潜在很大的康复需求未能得到充分释放。因此,本文针对下肢运动功能障碍患者设计了一款能应用于轮椅以及病床的多功能下肢康复器。旨在多场景下帮助老年人或残疾人等下肢运动功能障碍患者进行康复训练,恢复他们的下肢运动功能。首先,本文依托人体康复机理,通过分析人体下肢解剖学结构,提出了以脚踏车运动机构为主体的下肢康复器设计方案,针对下肢康复器的多场景应用确定了两
地下水资源在居民生活、工业和农田灌溉等领域都有很大的应用,对生产生活、经济发展起着至关重要的作用。对地下水水位进行有效预测,能为水资源管理提供有力支持。本文将地下水水位预测任务划分为短期预测和中长期预测,其中短期预测有助于及时了解水位短期动态变化,预测精度更高。中长期预测可以为决策者提供未来一段时间内的水位变化趋势,但更具挑战性。为解决地下水水位预测中数据的波动性、时空动态性等问题,本文提出了多模
微能网作为消纳可再生能源的高效方案,被研究者广泛研究。微能网对内的能源需求是用户对微能网的多形态能源需求,所以微能网对内的各能源需求不确定性和时变性很强。有效制定微能网对内的多形态能源的协调控制策略是微能网安全、高效运行的关键,而协调控制策略的制定需要微能网对内的多形态能源的供给和需求预测支撑。结合微能网中多能源负荷数据的时序性和非线性特点,本文基于深度学习理论提出了一种基于神经网络的预测模型用于
近年来随着深度学习的快速发展,基于深度学习的目标识别算法在车辆检测、人脸识别、医学影像诊断以及安防产业等诸多领域取得了可观成果。深度学习的应用可以极大地缩短检测时间,提升检测效率,保障人员安全等。但目前安检方面大多依赖传统的人工安检,且市场上新兴的的X光安检设备对于主要几种违禁品识别的正确率在80%上下,而且稀有违禁品（枪支等）样本缺乏,可检测的违禁品种类不全,检测的准确率以及召回率有待提高。本文
人工智能的日渐发展无论在经济领域还是社会生活方面都展现了很大的应用价值。基于深度学习的目标检测算法之所以能够取得卓越的表现效果,是因为采用的深度卷积网络模型,得益于它大量的网络参数以及复杂的网络结构。但由此也带来了两方面的问题,一是运算量巨大,造成模型推理速度的降低,较难满足目标检测任务的实时和落地需求;二是大量的网络参数导致模型大小突增,导致需要更大的空间进行模型存储。而这些问题恰恰使得目标检测