ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】本文提出了一种基于 Ｘ 光图像的违禁品检测系统，采用深度学习的多分类网络模型实现对违禁品的精准检测。 多分类 网络由多个分支网络连接到主干网络构成，在不同的阶段，采用了不同的网络架构。 在网络的早期阶段，主干网络负责提取整体特 征；而在网络的后期阶段，利用多个分支网络负责进行样本分类，上述分支网络能够分析不同类别物体的细节信息，并可进行灵活的 再训练和扩展。 实验结果表明，该多阶段网络展示了较高的检测准确率，并在实际的违禁品检测中表现出优异的性能。
