科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对X光安检图像中多目标违禁品识别难度高的问题，提出了一种多目标违禁品识别算法。首先，综合考虑实际应用需求、网络性能和运行速度，用残差网络（ResNet50）作为骨干网络，并添加局部强化模块弥补空洞卷积导致的棋盘格现象。然后，用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尺度特性。最后，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，加强违禁品区域的细节表征能力。在安检违禁品图像数据集上的测试结果表明，相比其他对比算法，本算法可在保证实时性的前提下取得更优的分割精度，平均交并比为82.26%，图像处理速度为16.21 frame/s。
- 单位
