改进YOLOv5s的X光安检图像违禁物品检测算法

摘要：

针对现有X光安检图像中违禁物品检测精度低的问题,基于YOLOv5s(you only look once version 5 small)提出了一种改进的违禁物品检测算法.利用重参数思想设计了一种Rep模块以协助YOLOv5s主干网络提取更多特征信息,在不增加推理时间的基础上提高算法检测精度.同时,在YOLOv5s颈部的路径聚合网络中插入 2 个通道注意力机制压缩-激励模块,加强通道间的相关性,提高整体网络的检测效果.在SIXray数据集上的实验结果表明,在不增加检测时间的基础上,改进的YOLOv5s算法比原始算法在平均精度均值(mAP)、宏精确率(macro preci-sion)、宏召回率(macro recall)和宏F1(macro-F1)这 4 个评价指标上分别提升了 2.6、2.0、4.0 和 3.0 个百分点.

关键词：深度学习、目标检测、违禁物品、X光图像、YOLOv5

所属期刊栏目：35

分类号：TP391.41;TN919(计算技术、计算机技术)

在线出版日期：2023-10-31（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：943-951