-
题名基于深度学习的管制物品自动检测算法研究
被引量:11
- 1
-
-
作者
吉祥凌
吴军
易见兵
张晓光
-
机构
江西理工大学信息工程学院
上海英迈吉东影图像设备有限公司
-
出处
《激光与光电子学进展》
CSCD
北大核心
2019年第18期68-78,共11页
-
基金
国家重点研发计划(2016YFC0800500)
江西省自然科学基金(20181BAB202004)
+1 种基金
江西省教育厅科技项目(GJJ170515)
江西理工大学科研基金(NSFJ2015-K14)
-
文摘
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。
-
关键词
探测器
管制物品
自动检测
SSD
特征融合
小目标
-
Keywords
detectors
controlled items
automatic detection
SSD
feature fusion
small object
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-