基于深度学习的管制物品自动检测算法研究
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 MultiBox Detector(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1024 pixel×1024 pixel,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.
探测器、管制物品、自动检测、SSD、特征融合、小目标
56
TP391(计算技术、计算机技术)
国家重点研发计划;江西省自然科学基金;江西省教育厅科技项目;江西理工大学科研项目
2019-11-19（万方平台首次上网日期，不代表论文的发表时间）
共11页
68-78
