10.16798/j.issn.1003-0530.2020.11.017
基于语义分割的多目标违禁品识别算法
基于深度学习的语义分割算法可以实现安检违禁品自动识别,并获得违禁品的位置、类别及形状信息.但传统的语义分割算法在面对违禁品尺寸不一且目标多样的识别任务时表现较差.针对该问题,本文提出了一种基于语义分割技术的多目标违禁品识别算法.编码阶段,设计使用空洞空间金字塔卷积模块(Atrous Spatial Pyramid Convolution Block,ASPC),提升网络对于特征图多尺度信息的挖掘能力.同时引人注意力机制,对ASPC模块的特征提取过程进行监督,进一步提升模块的特征提取能力.解码阶段,受U-Net模型启发,采用逐级上采样操作,同时加入1x1卷积实现通道降维,减少计算量,提升模型运行速度.实验结果显示,本文提出的算法在多目标违禁品识别任务中表现良好,平均交并比(m1oU)得分78.62,处理单张图片用时(Time)68 ms.
语义分割、多目标违禁品识别、空洞空间金字塔卷积模块、注意力机制
36
TP391.4(计算技术、计算机技术)
2021-03-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
1940-1946