基于改进YOLOv5的X射线图像危险品检测

摘要：

目前安检甄别工作主要依靠人工完成,但巨大的工作量使自动安检成为必然趋势.为了在保证精度的前提下轻量化模型,并进一步克服X射线安检图像存在物品重叠遮挡、背景干扰严重等问题,提出了一种基于YOLOv5的改进模型.该模型采用Ghost模块对原模型进行剪枝处理;引入坐标注意力机制,使网络在训练中更好地聚焦危险品,生成更具分辨性的特征;采用传统数据增强策略与Mixup数据增强策略相结合的方式来改善模型的泛化能力和鲁棒性.实验结果表明:改进模型的参数量和模型大小比原模型分别减少了17.3％、16.1％,改进模型在SIXray和OPIXray数据集上的平均精度均值(mAP)比原模型分别提高了2.3％、5.7％.所提出模型在轻量化的同时能够进一步提高检测能力,满足实时检测要求,具有较好的应用价值.

关键词：X射线安检图像、Ghost模块、坐标注意力机制、数据增强策略

所属期刊栏目：23

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;上海市自然科学基金

在线出版日期：2023-03-24（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：1598-1606