基于深度学习的管制物品自动检测算法研究

提出一种对图片分区域检测的特征融合目标检测算法。利用角度旋转方法对数据集进行扩增;在Single Shot MultiBoxDetector(SSD)算法的基础上,采用多尺度特征融合的方法在浅层特征图中融合更深层的特征,以扩大浅层特征图的感受野,提高小目标的检测精度;当输入图片较大时,如大于1024pixel×10^24pixel,对目标图像进行分区域检测。为了验证该算法的精度,选择VOC2007+2012通用数据集和SDCI2018管制物品数据集对所提算法的精度进行测试。结果表明:所提算法在VOC2007+2012通用数据集上的检测精度为80.3%,比SSD算法提高了1.4%;在SDCI2018管制物品数据集上的检测精度为97.9%,比SSD算法提高了2.2%。所提算法能够实时准确地检测出安检图片中的管制物品,特别是对于大图片中的小目标检测效果较好。