论文部分内容阅读
由于藏匿物体的大小、形状和位置未知,且样本类别不均衡,常用的深度学习方法存在误报率较高的问题。为此,构建一种基于多视图架构的深度卷积神经网络模型。通过残差连接卷积神经网络对特征进行提取,使用基于稠密连接的长短期记忆注意力模型模拟人类多角度观察,以强化威胁信息表达,并基于焦点损失函数优化网络,从而构成端到端的架构。在HD-AIT毫米波人体威胁扫描数据集上的测试结果表明,相比其他基线模型,该模型的准确率和召回率分别可达到0.997、0.999。