-
题名基于语义分割的多目标违禁品识别算法
被引量：5
- 1
-
-
作者
苏志刚
姚少卿
-
机构
中国民航大学天津市智能信号与图像处理重点实验室
中国民航大学中欧航空工程师学院
-
出处
《信号处理》
CSCD
北大核心
2020年第11期1940-1946,共7页
-
文摘
基于深度学习的语义分割算法可以实现安检违禁品自动识别,并获得违禁品的位置、类别及形状信息。但传统的语义分割算法在面对违禁品尺寸不一且目标多样的识别任务时表现较差。针对该问题,本文提出了一种基于语义分割技术的多目标违禁品识别算法。编码阶段,设计使用空洞空间金字塔卷积模块(Atrous Spatial Pyramid Convolution Block,ASPC),提升网络对于特征图多尺度信息的挖掘能力。同时引入注意力机制,对ASPC模块的特征提取过程进行监督,进一步提升模块的特征提取能力。解码阶段,受U-Net模型启发,采用逐级上采样操作,同时加入1×1卷积实现通道降维,减少计算量,提升模型运行速度。实验结果显示,本文提出的算法在多目标违禁品识别任务中表现良好,平均交并比(mIoU)得分78.62,处理单张图片用时(Time)68 ms。
-
关键词
语义分割
多目标违禁品识别
空洞空间金字塔卷积模块
注意力机制
-
Keywords
semantic segmentation
multi-object prohibited items recognition
atrous spatial pyramid convolution block
attention mechanism
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于稠密高分辨率并联网络的安检X光图像分割
- 2
-
-
作者
李广睿
刘琼
-
机构
北京信息科技大学自动化学院
-
出处
《北京信息科技大学学报（自然科学版）》
2024年第2期9-14,共6页
-
基金
国家自然科学基金项目(62302051)。
-
文摘
针对安检X光图像检测中违禁物品尺度差异大、杂乱无章且存在重叠遮挡现象的技术难题,对高分辨率网络(high-resolution network, HRNet)模型进行改进,同时融合去遮挡单元,提出了一种新的多尺度特征融合网络结构,实现安检X光图像中的违禁物品语义分割。在编码阶段,基于HRNet的多分支并联网络结构,设计了一种单分支内稠密连接的方式,增强深、浅层的信息融合,提取多尺度特征,解决安检X光图像违禁物品尺度多样化的问题。在网络整体架构中,融入基于注意力机制的去遮挡单元,加强模型的边缘感知能力,有效抑制安检X光图像中物品重叠遮挡对分割精度的影响。在PIDray安检图像公开数据集的Easy、Hard、Hidden三个验证子集上验证了所提方法的有效性。结果表明:该模型分别取得了74.69%、69.92%、56.77%的平均交并比,相比原始HRNet模型,分别提升了2.03、1.62、4.13百分点,总体平均交并比提升约2.59百分点。
-
关键词
安检X光图像
语义分割
违禁品识别
稠密并联网络
-
Keywords
security X-ray images
semantic segmentation
prohibited item recognition
dense parallel networks
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于卷积神经网络的安检X光图像违禁品多标签识别
- 3
-
-
作者
杨登杰
江式坤
周亮
-
机构
中国联合网络通信有限公司政企客户事业群解决方案部
中国联合网络通信有限公司甘肃省分公司政企客户事业群
-
出处
《工业控制计算机》
2024年第5期96-97,共2页
-
文摘
在安全检查工作中,违禁品的检测与识别仍然过度依赖于安检员的视觉经验。如何自动判别出X光图像中存在的常见违禁品,进而辅助安检员进行决策,成为安检领域的一个亟待解决的问题。基于深度学习技术研究安检X光图像中的违禁品多标签识别方法。通过引入multi-hot向量标注法对安检X光数据集进行标注,迁移训练Darknet-53卷积神经网络实现对X光图像中违禁品的类别判定。实验结果表明,安检X光图像违禁品多标签识别平均精度达到了98%以上,满足现实安检场景下的应用需求。
-
关键词
卷积神经网络
安检X光图像
违禁品
多标签识别
-
Keywords
convolutional neural network
security X-ray images
prohibited items
multi-label recognition
-
分类号
X924.2
[环境科学与工程—安全科学]
O434.19
[机械工程—光学工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名针对X光安检场景的多目标违禁品识别算法
被引量：7
- 4
-
-
作者
曹洋
张莉
孟俊熙
宋倩
张乐天
-
机构
西安工程大学电子信息学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2022年第10期314-322,共9页
-
基金
国家自然科学基金(51607133)
陕西省教育厅研究项目(10JK510)
+1 种基金
西安市科技局产业化项目(CXY1517(4))
安检违禁品检测软件及设备研制设计(2020KJ-391)。
-
文摘
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。
-
关键词
机器视觉
X光图像
深度学习
语义分割
违禁品识别
-
Keywords
machine vision
X-ray image
deep learning
semantic segmentation
prohibited item recognition
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
