基于改进Faster RCNN算法的X光违禁物品检测

作者：杜倩倩; 王芳^*; 赖重远

来源：智能计算机与应用, 2023, 13(07): 112-118.

• X光检测
• 深度学习
• 目标检测
• Faster RCNN

X光违禁物品检测在保护公共社会安全中起着重要的作用，随着深度学习的发展，智能安检也发展迅速。针对违禁物品大小不一、物品之间相互遮挡等特点，本文提出一种改进Faster RCNN算法。该算法用具有更优图像特征提取特性的ResNeXt网络替换原来的VGG16网络，引入FPN网络以适应各种尺度的违禁物品，使用CIoU损失函数代替原来的SmoothL1损失函数。将改进后的Faster RCNN算法在OPIXray数据集上进行测试，实验结果表明，mAP值较原算法提升了12.4%,且对比当前主流目标检测框架YOLOv5、YOLOX的mAP值分别高出2%和2.2%。

• 单位
  江汉大学