基于改进CNN的部队门禁系统

作     者：何伟鑫 邓建球 方轶 丛林虎 李俊达 HE Wei-Xin;DENG Jian-Qiu;FANG Yi;CONG Lin-Hu;LI Jun-Da

作者机构：海军航空大学岸防兵学院烟台264001 91213部队烟台264001 

基　　金：国家自然科学基金(51605487) 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2020年第29卷第6期

页      码：126-131页

摘      要：针对部队武器仓库等重要场所的门禁管理方式安全性较低等问题,设计了基于改进卷积神经网络的门禁系统.首先对卷积神经网络进行介绍,引入PSO算法设计优化的卷积神经网络的初始权值以及阈值.然后对手写数字数据集进行分类实验.实验结果证明,基于PSO算法的卷积神经网络改进方案能够使得训练过程收敛速度较快,损失较小,效果优于传统卷积神经网络.在此基础上,根据部队实际工作情况,将粒子群算法应用于MTCNN以及孪生Res Net算法,设计基于改进卷积神经网络的门禁系统,使得部队重要场所的门禁管理具有更高的安全性和可靠性.

主 题 词：卷积神经网络 粒子群算法 深度学习 人脸识别 武器仓库 

学科分类：11[军事学] 12[管理学] 08[工学] 110602[110602] 110801[110801] 1106[1106] 1201[管理学-管理科学与工程类] 081104[081104] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 1108[1108] 0812[工学-测绘类] 

D　O　I：10.15888/j.cnki.csa.007453

馆 藏 号：203945536...