基于改进YOLOX算法的X射线图像违禁品检测方法

YUAN Jinhao, ZHANG Nanfeng,RUAN Jieshan,GAO Xiangdong

Laser Technology（2023）

引用 0|浏览2

暂无评分

摘要

为了实现自动检测X射线图像中的违禁品,解决相互遮挡、目标相近和小目标违禁品检测难的问题,提出一种基于改进的你只观察一次(YOLOX)算法的X射线图像违禁品检测方法.首先在YOLOX的主干网络低层中引入使用大核注意力构建的空间注意力,提取低层特征图的远距离依赖信息和纹理信息,之后在主干网络的中层和高层增加卷积块的注意力模块以增强感兴趣区域信息并抑制无用信息;该方法在公开的安全检查X射线数据集上进行实验,同时为改善模型的鲁棒性,在训练前70个周期使用Mosaic数据增强方法.结果表明,改进的模型较基本模型增加少量的参数和计算量,均值平均精度增加2.45％,提升到87.88％,平均推理速率为58.5 frame/s.该研究为即时自动检测X射线图像中违禁品提供了有益的参考.

关键词

X-ray optics,prohibited items detection,YOLOX algorithm,larger kernel attention,spatial attention,convolutional block attention module

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要