科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对X光安检图像内多目标违禁品识别难度较高的问题，本文提出一种X光安检场景下多目标违禁物品识别算法。考虑实际应用需求，综合网络性能和运行速度，选择ResNet50作为骨干网络，并添加局部强化模块来弥补因空洞导致的棋盘效应；提出空洞残差特征增强模块和可变形空洞空间金字塔池化分别处理不同层级特征，自适应学习违禁品的多变性；引入注意力机制，强化对重点通道的学习能力并实现空间维度上的特征聚焦，加强违禁品区域细节表征能力。在安检违禁品图像数据集上测试，所提算法平均交并比为82.26%，图片处理速度达到每秒16.21帧/s，与当前性能较优的语义分割算法相比，保证实时性的前提下取得更优的分割准确度，具有更高的实用价值。
- 单位
