基于图匹配网络的小样本违禁物品分割算法

摘要：

自动化安检技术是维护公共安全、提升安检效率的一项有效措施.在实际场景中很难获得充足的违禁品标注样本用于神经网络的训练,并且在不同场景和安全级别下违禁品的类别也有所不同.为解决基于神经网络的违禁品检测方法所面临的样本不均衡问题,以及避免模型在分割新的违禁品类别时需重新训练的现象,文中提出一种基于图匹配网络的小样本违禁物品分割算法.文中模型将测试图像与参考图像并行输入到图匹配网络中,并根据匹配结果从测试图像中分割出违禁品.所设计的图匹配模块不仅从图间节点的相似性考虑匹配问题,并利用DeepEMD算法建立全局概念,进一步提高测试图和参考图的匹配结果.在SIXray数据集和Xray-PI数据集上的实验表明:本模型在单样本分割任务中得到36.4％和51.2％的类平均交并比,分别比目前先进的单样本分割方法提高2.5％和2.3％.由此表明所设计的算法能有效提升小样本X光图像分割算法的精确度.

关键词：语义分割、小样本学习、图匹配网络、X光图像、违禁品检测

所属期刊栏目：50

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：418-426