融合高效通道注意力的复杂场景违禁品检测

TP391; 针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引入到感兴趣池化层(ROIpooling)后,突出违禁品的轮廓、色彩等信息.本文算法在S_DXray数据集上的mAP达到 92.06%,改进后网络模型检测精度提高 5.06 个百分点.有效提高X射线图像违禁品检测的精度和小尺度目标的检测能力,有效避免错检、漏检的现象....

Full description

Saved in:
Bibliographic Details
Published in辽宁工程技术大学学报（自然科学版） Vol. 43; no. 4; pp. 494 - 505
Main Authors 崔丽群, 李万欣
Format Journal Article
LanguageChinese
Published 辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105 2024
Subjects
K-means
快速区域卷积神经网络
FPN
目标检测
K均值聚类
ResNet
target detection
X-ray images
X射线图像
高效通道注意力机制
ECANet
残差网络
Faster R-CNN
特征金字塔
Online AccessGet full text

Cover

More Information
Summary:TP391; 针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题,在快速区域卷积神经网络(Faster R-CNN)算法基础上,通过K-means聚类算法改进锚框(Anchor)的生成方式;提出将高效通道注意力机制(ECANet)引入到感兴趣池化层(ROIpooling)后,突出违禁品的轮廓、色彩等信息.本文算法在S_DXray数据集上的mAP达到 92.06%,改进后网络模型检测精度提高 5.06 个百分点.有效提高X射线图像违禁品检测的精度和小尺度目标的检测能力,有效避免错检、漏检的现象.
ISSN:1008-0562
DOI:10.11956/j.issn.1008-0562.20230212