融合高效通道注意力的复杂场景违禁品检测

作者

崔丽群李万欣
单位

辽宁工程技术大学软件学院
摘要

针对X射线在违禁品检测任务中安检图像色彩存在对比度低、检测精度低、极易出现漏检错检的问题，在快速区域卷积神经网络（Faster R-CNN）算法基础上，通过K-means聚类算法改进锚框（Anchor）的生成方式；提出将高效通道注意力机制（ECANet）引入到感兴趣池化层（ROIpooling）后，突出违禁品的轮廓、色彩等信息。本文算法在S＿DXray数据集上的m AP达到92.06%，改进后网络模型检测精度提高5.06个百分点。有效提高X射线图像违禁品检测的精度和小尺度目标的检测能力，有效避免错检、漏检的现象。
关键词

目标检测X射线图像残差网络特征金字塔K均值聚类快速区域卷积神经网络高效通道注意力机制
基金项目(Foundation)

辽宁省高等学校基本研究项目（LJKMZ20220699）；
文章目录

0引言
1 Faster R-CNN算法
1.1整体框架
1.2特征提取网络
1.3区域建议网络
2 Faster R-CNN算法改进
2.1 K-means聚类算法优化特征提取网络
2.2注意力机制
2.3算法流程
3实验与分析
3.1数据集
3.2实验环境
3.3性能评估指标
3.4定性分析
3.5定量分析
3.6改进前后算法对比
4结论
引用格式

[1]崔丽群,李万欣.融合高效通道注意力的复杂场景违禁品检测[J].辽宁工程技术大学学报(自然科学版),2024,43(04):494-505.

煤问提