基于深度学习的管制物品自动检测算法研究

发布时间：2021-06-19 22:35

　　本文旨在研究实现安检中管制物品的自动检测,从而提高安检效率,一定程度上节省人力资源的浪费,管制物品自动检测可以归结为一个目标检测问题,如今深度学习在各个领域获得良好效果和广泛应用,促使目标检测算法研究取得了飞速发展,本文专门构建了针对管制物品的数据集（SDCI2018）,重点研究采用深度学习方法进行目标检测的算法SSD和YOLOv3在管制物品检测中的应用以及根据实际需要进行一系列相关改善措施来提升在安检X光片这些特殊目标上的检测效果,最终构建管制物品自动检测系统满足应用。在SSD算法研究中,针对其对安检图片检测存在小目标漏检、误检等问题,本文通过对图片分区域检测和特征融合的目标检测算法来有效改善小目标检测效果;并且采用多个角度旋转等策略对数据集进行扩增,其中由于卷积神经网络没有旋转不变性,所以角度旋转处理采用离线方式,从而实现对整个数据集进行成倍扩增,而其他预处理数据增广方式包括镜像、形变、亮度、对比度、混合、加噪、颜色空间变换等处理方式则在训练时采用随机变换来增加数据多样性扰动;接着在Single Shot MultiBox Detector（SSD）算法的基础上,利用多尺度特征融合... 

【文章来源】：江西理工大学江西省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图像镜像（左为原图，右为变换后）

图像尺度变换（左为原图，右为变换后）

图3.3 图像尺度变换（左为原图，右为变换后） 3) 平移 对图像进行水平或垂直平移，一般指定一个平移范围，变换函数在指定范围内进行随机采样，令长宽分别平移对应长度，也可保持移动距离一致，如图 3.4。

【参考文献】：
期刊论文
[1]X光图片禁带品智能识别技术[J]. 王玉维,杨波,马卫东.  中国传媒大学学报(自然科学版). 2019(04)
[2]X光图片智能识别云平台的关键技术研究[J]. 赫楠,姬光,吴倩,胡宁.  中国传媒大学学报(自然科学版). 2019(03)
[3]融合位置尺度信息的胸部X光肺结节检测[J]. 焦庆磊,陈宇彤,朱明.  小型微型计算机系统. 2019(06)
[4]Faster R-CNN在工业CT图像缺陷检测中的应用[J]. 常海涛,苟军年,李晓梅.  中国图象图形学报. 2018(07)
[5]基于深度学习实现电子产品X光片的自动检测研究[J]. 陈光希,冯峰.  信息技术与信息化. 2017(08)
[6]基于Fast R-CNN的车辆目标检测[J]. 曹诗雨,刘跃虎,李辛昭.  中国图象图形学报. 2017(05)
[7]基于计算机视觉的X射线图像异物分类研究[J]. 王宇,邹文辉,杨晓敏,姜维,吴炜.  液晶与显示. 2017(04)



本文编号：3238668