基于深度学习的X光图像中限制物品检测

发布时间：2024-04-12 18:49

　　包裹行李的安全检查在维护社会稳定和保障人民生命财产安全方面发挥重要的作用。当前,对包裹行李的安全检查主要是由经过专业培训的安检人员肉眼查看包裹行李在X光扫描装置下的图像判定,容易受干扰而且效率不高。而当前社会中包裹数量急剧增加,给安检带来巨大的压力。包裹行李数据的特点是物品种类多、尺寸跨度大;而且因为包裹空间的限制,通常各种物品高度重叠且摆放角度不同,显示在图像上则产生严重的遮挡、形变等问题,检测难度较大。针对当前目标检测算法在检测X光图像时存在的不足,本文从强化特征提取、语义信息复用和优化损失函数等方面进行了研究。主要工作如下:(1)设计了一种更高效的轻量化卷积神经网络PSMnasNet。本文受密集金字塔结构的启发对MnasNet网络的卷积核进行了改进,构建具有多尺度特征提取能力的卷积模块PSBottleneck。在CINIC-10数据集中的实验表明,PSMnasNet网络对低分辨率图像的分类精度提升了13.34%,网络的参数量也仅有原来的1/3左右。(2)提出了一种用于密集目标检测的Crowd-YOLOv3算法。本文对Faster R-CNN和YOLOv3算法进行了研究和测试,验证...

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图2.7超参数β的网络分类精度图

第二章PSMnasNet网络构建19为0.1，150次迭代后学习率下调10倍，225次迭代后再次下调10倍；设定动量为0.9；权重衰减为1e-04；batchsize设定为128；共计迭代320个周期。实验首先对MnasNet网络进行测试并将其实验结果作为基线：MnasNet网络....

图2.8金字塔型瓶颈块的滤波器尺寸k的网络分类精度图

第二章PSMnasNet网络构建通常而言，PSBottleneck的滤波器尺寸k越大，网络的参数量越大，分类精度也越高；但是需要注意的是，特征图尺寸经过下采样减小后，滤波器尺寸应随着下降，否则为了保持卷积操作前后特征图尺寸的不变，需对特征图进行过多的填充，影响提取特....

图3.1R-CNN目标检测算法流程

图像在二阶检测算法和一阶检测方法中检测限制物品的能力。3.1FasterR-CNN目标检测算法（1）R-CNN目标检测算法传统目标检测方法的流程首先是采用不同尺度和不同长宽比的滑动窗口遍历输入图像，进行区域选择；然后对选取的区域使用SIFT、HOG等算法提取特征；最后使用SVM、....

图5.1SSD算法网络结构图

第五章基于ST-SSDLite算法的限制物品检测42第五章基于ST-SSDLite算法的限制物品检测为了进一步提高限制物品图像的检测速度，扩展限制物品检测的应用范围，本文继续探索了X光图像在轻量化目标检测算法中的检测效果。实验基于SSDLite算法的模型结构进行，使用PSMnas....

本文编号：3951816