HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于深度学习的管制物品自动检测算法研究

作者:吉祥凌; 吴军; 易见兵; 张晓光探测器管制物品自动检测ssd特征融合小目标

摘要: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。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

激光与光电子学进展

《激光与光电子学进展》(CN:31-1690/TN)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《激光与光电子学进展》旨在关注科技发展热点,报道高新技术前沿,追踪科技研发动态,介绍科学探索历程;展示最新科技产品,汇萃时尚科技讯息。

杂志详情