基于迁移学习的暴恐图像自动识别
【摘要】 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。关键词:暴恐图像;深度学习;图像识别;卷积神经网络;迁移学习
