标题：基于卷积神经网络的安检X光图像违禁品多标签识别
作者：杨登杰 江式坤；周亮
作者单位：中国联合网络通信有限公司政企客户事业群解决方案部，北京 100033；中国联合网络通信有限公司甘肃省分公司政企客户事业群，甘肃 兰州 730030
关键字：卷积神经网络；安检X光图像；违禁品；多标签识别
摘要：在安全检查工作中，违禁品的检测与识别仍然过度依赖于安检员的视觉经验。如何自动判别出X光图像中存在的常见违禁品，进而辅助安检员进行决策，成为安检领域的一个亟待解决的问题。基于深度学习技术研究安检X光图像中的违禁品多标签识别方法。通过引入multi-hot向量标注法对安检X光数据集进行标注，迁移训练Darknet-53卷积神经网络实现对X光图像中违禁品的类别判定。实验结果表明，安检X光图像违禁品多标签识别平均精度达到了98%以上，满足现实安检场景下的应用需求。