基于YOLO的违禁品检测深度卷积网络

2021-09-30 05:09:16李柏岩刘晓强冯珍妮
合肥工业大学学报(自然科学版) 2021年9期
关键词:检测模型

朱 成, 李柏岩, 刘晓强, 冯珍妮

(东华大学 计算机科学与技术学院,上海 201620)

基于X光扫描的安检系统是目前航空和运输业违禁品检测最常用的安全保障设施。系统扫描快速通过的行李、包裹,实时生成X光图像供安检人员检查。显然,这种安检的可靠性很大程度上依赖于安检人员的经验和能力。但长时间枯燥的人工视觉检视会使安检员疲劳,容易发生误判、漏判现象,带来安全隐患。因此,高精度的自动违禁品识别技术一直受到研究者的关注,但这些技术[1-2]的识别率难以达到实际需要,一直没有被普遍使用。近年来,随着深度学习技术的出现和日趋成熟,特别是卷积神经网络(convolutional neural network,CNN)所表现出的优秀图像分类能力,为这一领域的研究带来了新助力。

基于X光图像的违禁品检测是图像分类与目标检测的一种特例,有很多特殊性。首先,X光安检机一般应用于人流密集的场所。为避免拥堵,检测工作应在较短时间(约2~3 s)内完成,有实时性要求。其次,X光扫描将行李中的物体映射到二维的图像平面,原本在空间内交错分布的物体在平面上会出现叠加的现象。但与自然光图像不同,叠加在X光图像中的物体,仍保留各自完整的轮廓,因此叠加物体的检测可以看作密集分布物体检测问题。另外,很多小尺寸的违禁品往往难以检测,这就要求违禁品检测技术应具备检测密集分布物体和小尺寸物体的能力。

近年来,基于深度学习的图像分类和目标检测技术成为研究热点[3]。……

登录APP查看全文

猜你喜欢
检测模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用