报告：基于混合注意力网络的假冒商品检测算法研究
报告时间：2022年5月30日 下午3:00
报告地点：腾讯会议（会议号码：902 589 286）
报告人：彭剑彪 博士
报告摘要：
近年来，深度学习技术在在各种图像分析任务中都表现出了极其强大的性能。在假冒检测领域，卷积神经网络（Convolutional Neural Networks, CNNs）被广泛用于假币、假药和假冒奢侈品手提袋的检测，并取得了一定效果。然而，由于以下三个问题，准确的假冒检测仍然具有挑战性：（1）细粒度分类；（2）类别不平衡；（3）高仿样品。为了解决这些问题，提出了一种混合注意力网络（HANet）来检测假冒商品。
在HANet中设计了一个混合注意力模块。与直接使用经典CNN进行假冒检测的现有方法相比，HA模块联合使用通道注意单元和空间注意单元来学习通道和空间维度上的重要信息。 HA模块可以很容易地集成到 ResNet 架构中，以增强CNN的判别表示能力，从而帮助网络发现真假产品之间的细微差别。此外，提出了一种鉴定师引导的损失来训练HANet。考虑到类别不平衡和高仿样本的因素，提出的损失赋予仿冒类更高的权重，同时赋予高仿样本更高的权重。提出的损失引入了鉴定师的知识，这使得 HANet 不仅可以相对公平地对待真假样本，而且更加关注困难样本的学习。为了评估我们方法的性能，我们构建了一个基准良好的商品数据集。在这个数据集上，比较了 HANet、ResNet50 和最先进的注意力方法的性能。结果表明，HANet 在所有竞争对手中都取得了更好的性能。
报告人简介：彭剑彪，博士主要研究方向包括机器视觉、数字图像处理与智能分析。主要利用数字图像处理技术、机器学习与深度学习技术，结合计算机智能分析，实现非标商品的真伪检测。
联系人：彭剑彪 联系电话：13701346566 联系邮箱：pengjianbiao@csu.edu.cn
