發(fā)布時間：2022-12-10 19:12

　　利用人工智能和深度學(xué)習(xí)技術(shù)自動化地分析互聯(lián)網(wǎng)海量圖片,快速、準(zhǔn)確地識別有害的暴恐圖像并及時處置是反恐工作的重要手段之一。研究了利用深度學(xué)習(xí)和遷移學(xué)習(xí)技術(shù)對暴恐圖像進行分類識別。首先,定義了暴恐圖像的主要概念特征,并針對性地構(gòu)建數(shù)據(jù)集;其次,針對暴恐圖像正樣本較少的問題,設(shè)計深度神經(jīng)網(wǎng)絡(luò)模型和遷移學(xué)習(xí)方式;最后,基于構(gòu)建的訓(xùn)練數(shù)據(jù)集進行模型訓(xùn)練和測試。結(jié)果顯示:所提方法可以快速、準(zhǔn)確地對互聯(lián)網(wǎng)圖片進行分類識別,平均分類準(zhǔn)確率達到96.7%,從而有效降低人工檢測的勞動強度,為反恐預(yù)警工作提供決策支持。 

【文章頁數(shù)】：5 頁

【文章目錄】：
1 相關(guān)研究
2 算法設(shè)計
    2.1 構(gòu)建數(shù)據(jù)集
    2.2 遷移學(xué)習(xí)
    2.3 CNN模型設(shè)計與訓(xùn)練
3 實驗分析
4 結(jié) 束 語


【參考文獻】：
期刊論文
[1]涉暴恐音視頻犯罪實證研究——以中國裁判文書網(wǎng)公開的48個判例為分析樣本[J]. 王勝華.  江西警察學(xué)院學(xué)報. 2019(06)
[2]基于BiLSTM-CRF的涉恐信息實體識別模型研究[J]. 黃煒,黃建橋,李岳峰.  情報雜志. 2019(12)
[3]面向涉恐領(lǐng)域的知識圖譜構(gòu)建方法[J]. 廖浚斌,周欣,何小海,王正勇,卿粼波.  信息技術(shù)與網(wǎng)絡(luò)安全. 2019(09)
[4]大數(shù)據(jù)背景下涉恐信息挖掘方法綜述[J]. 倪葉舟,張鵬,扈翔,屈健,李昊青.  中國公共安全(學(xué)術(shù)版). 2018(04)
[5]“算法反恐”:恐怖主義媒介化與人工智能應(yīng)對[J]. 李龍,支庭榮.  現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報). 2018(09)
[6]機場區(qū)域中人群涉暴恐動作智能識別方法仿真[J]. 張寧,朱金福.  計算機仿真. 2015(06)

碩士論文
[1]基于Logo標(biāo)志檢測的暴恐視頻識別系統(tǒng)的設(shè)計與實現(xiàn)[D]. 符亞彬.北京交通大學(xué) 2016



本文編號：3717361