基于改进YOLOv5的安检系统算法

摘要：

针对目前国内外公共场所受到持刀及持枪人员的威胁的问题,提出一种基于深度学习的安检系统.利用深度学习模型对危险物品进行检测,如发现可疑物品则发出警告.在目标检测算法YOLOv5的基础上进行改进,把多头自我注意力机制和EIoU Loss引入到 YOLOv5中,改进了 backbone中的C3模块以及损失函数,增强了检测精度、提高了检测速度;加入钱包、信用卡、手机和纸币等4类相似物品作为干扰数据,采用PyTorch深度学习框架对刀具、手枪等物品图像进行训练,训练好的模型能有效检测出危险物品.实验结果表明,改进算法后,刀具、手枪、钱包、信用卡、手机和纸币等6类物品的mAP@0.5和mAP@0.5:0.95可以达到77.5％和52.5％,其中刀具的mAP@0.5和mAP@0.5:0.95提高到93.7％和57.0％,手枪的mAP@0.5和mAP@0.5:0.95 提高到 90.5％和 60.1％.

关键词：神经网络、安检系统、YOLOv5、EIoULoss、bottlenecktransformer

所属期刊栏目：34

分类号：TP391.4(计算技术、计算机技术)

资助基金：辽宁省教育厅科学研究经费项目LJKZ0460

在线出版日期：2022-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：453-460