YOLO算法在安检异常图像中的研究

摘要：

在人口密集场所中,安检是保证公共安全的重要手段.针对人工安检在遇到客流高峰或突发情况时,安检的效率和准确率易受到影响且存在安全隐患的问题,基于YOLO算法,提出了一种改进的Dense-YOLO目标检测算法.通过借鉴稠密网络中特征融合方式改进网络结构;采用改进的K-means算法对自制异常图像数据集进行目标框维度聚类;将卷积层中的卷积和批量归一化进行整合,提升计算效率;采用多尺度训练方式,增强模型对不同尺寸的鲁棒性.实验结果表明,利用改进后的Dense-YOLO算法提升了对小目标的检测,针对安检中可疑物进行检测,mAP达到了91.68％,检测速度提高到59 f/s.改进后的算法有效提升了安检的效率和准确率,一定程度上消除安全隐患.

关键词：可疑物检测、YOLO算法、Dense-YOLO算法、K-means算法、多尺度训练

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划No.2018YFC0824403

在线出版日期：2020-11-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：187-193