期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于GC-YOLOv8的X射线安检图像中的违禁品检测方法
1
作者 黄超 周舰 涂振宇 《宜春学院学报》 2025年第3期45-52,共8页
针对X射线安检图像中违禁品与背景和多重叠目标的检测难点,本文提出了一种基于YOLOv8改进的检测模型GELAN-C2F_DCN-YOLOv8(GC-YOLOv8)。首先,采用广义高效层聚合网络(Generalized Efficient Layer Aggregation Network,GELAN)模块来增... 针对X射线安检图像中违禁品与背景和多重叠目标的检测难点,本文提出了一种基于YOLOv8改进的检测模型GELAN-C2F_DCN-YOLOv8(GC-YOLOv8)。首先,采用广义高效层聚合网络(Generalized Efficient Layer Aggregation Network,GELAN)模块来增强特征融合能力;然后在Backbone网络的C2f(Faster Implementation of CSP Bottleneck with 2 convolutions)模块嵌入了可变形卷积网络DCN(Deformable Convolution Network,DCN)构造C2F_DCN可变形卷积。通过引入C2F_DCN,模型可以自适应地调整感受野的位置和形状,以适应目标的多样性。将GC-YOLOv8模型在刀具和液体容器X射线数据集(Cutters and Liquid Containers X-ray Dataset,CLC X-ray)上进行测试,结果表明GC-YOLOv8模型在召回率比基线模型高0.8%的同时准确率明显提升8.1%,验证了所提方法的有效性。并且,FPS最终达到了140.4,完全满足安检设备部署的实时性要求,验证了所提方法的通用性。 展开更多
关键词 广义高效层聚合网络模块 c2f_dcn YOLOv8 安检图像 目标检测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部