文献类型：期刊文章

作　　者：张友康[1] 苏志刚[1,2] 张海刚[3] 杨金锋[3]

Zhang Youkang;Su Zhigang;Zhang Haigang;Yang Jinfeng(Tianjin Key Laboratory for Advanced Signal Processing,Civil Aviation University of China,Tianjin 300300,China;Sino-European Institute of Aviation Engineering,Civil Aviation University of China,Tianjin 300300,China;Institute of Applied Artificial Intelligence of the Guangdong-HongKong-Macao Greater Bay Area,Shenzhen Polytechnic,Shenzhen,Guangdong 518055,China)

机构地区：[1]中国民航大学智能信号与图像处理天津市重点实验室,天津300300 [2]中国民航大学中欧航空工程师学院,天津300300 [3]深圳职业技术学院粤港澳大湾区人工智能应用技术研究院,广东深圳518055

出　　处：《信号处理》

年　　份：2020

卷　　号：36

期　　号：7

起止页码：1096-1106

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：安检是保障人民生命财产安全的第一道防线,智能安检是安检行业未来发展的必然趋势。X光安检图像存在背景复杂、违禁品尺度多样以及相互遮挡现象,导致传统的目标检测算法无法获得满意的效果。本文在一阶段目标检测网络SSD框架的基础上,提出了适用于X光安检图像多尺度违禁品检测网络——非对称卷积多视野神经网络ACMNet(Asymmetrical Convolution Multi-View Neural Network)。检测网络增加了三个模块:小卷积非对称模块(Asymmetrical Tiny Convolution Module,ATM)、空洞多视野卷积模块(Dilated Convolution Multi-View Module,DCM)、多尺度特征图融合策略(Fusion strategy of multi-scale feature map,MF)。ATM学习到的细节特征有助于小尺度违禁品的识别;DCM通过提供局部与全局之间的上下文特征信息来解决遮挡问题;MF则是通过融合高、低层特征图以提高模型在背景干扰情况下违禁品的检测精度。在仿真实验中,采用X光安检领域公开的数据集与自建的数据集,ACMNet在精确度上取得了令人满意的效果。

关 键 词：X光安检图像  违禁品检测  空洞卷积  非对称卷积  多尺度特征图融合  

分 类 号：TP391.4]