应用Crowd-YOLOv3算法实现包裹中限制品检测

作者：张莹; 朱晨; 杨国亮

来源：物联网技术, 2020, 10(12): 18-19.

DOI：10.16667/j.issn.2095-1302.2020.12.005

• 目标检测
• 特征金字塔结构
• X光图片
• 安检
• YOLOv3
• FPN模型

鉴于在目前安检过程中,安检设备的X光图像中包裹内物品排布密集、交叉重叠等情况导致安检效率低下的问题,文中提出采用Crowd-YOLOv3算法解决实现包裹中限制品的检测。该算法在主干网络和检测器间嵌入优化的FPN模型,将网络的上下级语义信息融合,提升了算法的检测性能;在结构损失函数上,该算法引入IoG来判定限制品的重叠程度,提升了算法对密集、重叠限制品的检测效果;实验数据通过网络传送。实验结果表明,Crowd-YOLOv3算法有效提升了安检设备对限制品的查准率和召回率,比传统YOLOv3算法的平均检测精度提升了3.2%,达到67.8%。

• 单位
  江西理工大学; 自动化学院