基于深度学习的X光地铁危险物品检测算法

作者：程林; 柏杨; 都昌平; 薛翔天; 章品正; 於文雪^*; 王世杰^*; 陈阳

来源：中国体视学与图像分析, 2021, 26(03): 301-309.

DOI：10.13505/j.1007-1482.2021.26.03.011

• 深度学习
• 目标检测
• 注意力机制
• Focal loss

随着现代地铁里程数的增加,地铁口和安检设施也随之增加。地铁安检关系着社会安全,但目前对地铁安检采用人工排查的方式,在某些场景下捉襟见肘,因此需要智能安检方法辅助人工排查。随着深度学习的迅速发展,基于深度学习的安检方法十分可行。本文提出采用基于深度学习的方法进行智能安检辅助人工检查,同时针对现有深度学习方法检测准确率较低的缺点,使用注意力机制模块与Focal Loss损失函数模块与深度学习相结合的模型来提升准确率。首先使用YOLO v5中主干网络与注意力模块相结合的新网络对输入安检图像进行特征提取,对提取的特征进行学习,并且在损失函数中添加Focal Loss损失函数改善模型优化方向,最后使用检测网络对目标物品进行检测标注,使用地铁采集的图像数据进行训练与测试。实验结果表明,所提方法在地铁真实环境中能取得良好的检测效果,mAP(mean Average Precision)值相对于原YOLO v5网络提升了1.3%,并且可以达到实时检测的要求。

• 单位
  东南大学