基于多任务级联残差网络的枪支图像识别系统

针对枪支种属识别目前依赖检验人员经验、识别效率较低的问题,建立一种基于多任务级联深度残差网络的枪支图像自动识别模型。以ResNet18为基本构建单元,通过级联融合4个任务中的Softmax损失函数约束,实现对枪支图像从枪族到枪型的多维度聚类。在该模型的基础上,设计一套制式枪支图像智能检索系统,对拍摄上传的枪支图像种属信息进行自动识别。在自建的制式枪支图像数据集上进行实验,结果表明,与EfficientNet、NTS-net等模型相比,该模型的识别准确率更高,Rank-1、Rank-20识别准确率分别达到61.12%、95.28%,且其具有更好的鲁棒性。