基于改进Faster RCNN算法的X光违禁物品检测.pdfVIP

第１３卷第７期智能计算机与应用２０２３年７月

Ｖｏｌ．１３Ｎｏ．７ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｅｒａｎｄＡｐｐｌｉｃａｔｉｏｎｓＪｕｌ．２０２３

－－－

文章编号：２０９５２１６３（２０２３）０７０１１２０７中图分类号：ＴＰ３９１文献标志码：Ａ

基于改进ＦａｓｔｅｒＲＣＮＮ算法的Ｘ光违禁物品检测

杜倩倩，王芳，赖重远

（江汉大学人工智能学院，武汉４３００５６）

摘要：Ｘ光违禁物品检测在保护公共社会安全中起着重要的作用，随着深度学习的发展，智能安检也发展迅速。针对违禁

物品大小不一、物品之间相互遮挡等特点，本文提出一种改进ＦａｓｔｅｒＲＣＮＮ算法。该算法用具有更优图像特征提取特性的

ＲｅｓＮｅＸｔ网络替换原来的ＶＧＧ１６网络，引入ＦＰＮ网络以适应各种尺度的违禁物品，使用ＣＩｏＵ损失函数代替原来的ＳｍｏｏｔｈＬ１

损失函数。将改进后的ＦａｓｔｅｒＲＣＮＮ算法在ＯＰＩＸｒａｙ数据集上进行测试，实验结果表明，ｍＡＰ值较原算法提升了１２．４％，且对

比当前主流目标检测框架ＹＯＬＯｖ５、ＹＯＬＯＸ的ｍＡＰ值分别高出２％和２．２％。

关键词：Ｘ光检测；深度学习；目标检测；ＦａｓｔｅｒＲＣＮＮ

－

ＸｒａｙｃｏｎｔｒａｂａｎｄｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎｉｍｐｒｏｖｅｄＦａｓｔｅｒＲＣＮＮａｌｇｏｒｉｔｈｍ

ＤＵＱｉａｎｑｉａｎ，ＷＡＮＧＦａｎｇ，ＬＡＩＣｈｏｎｇｙｕａｎ

（ＳｃｈｏｏｌｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＪｉａｎｇｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００５６，Ｃｈｉｎａ）

－

【Ａｂｓｔｒａｃｔ】Ｘｒａｙｄｅｔｅｃｔｉｏｎｏｆｐｒｏｈｉｂｉｔｅｄｇｏｏｄｓｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｐｒｏｔｅｃｔｉｎｇｐｕｂｌｉｃａｎｄｓｏｃｉａｌｓｅｃｕｒｉｔｙ．Ｗｉｔｈｔｈｅ

ｄｅｖｅｌｏｐｍｅｎｔｏｆｄｅｅｐｌｅａｒｎｉｎｇ，ｉｎｔｅｌｌｉｇｅｎｔｓｅｃｕｒｉｔｙｉｎｓｐｅｃｔｉｏｎｈａｓａｌｓｏｄｅｖｅｌｏｐｅｄｒａｐｉｄｌｙ．ＴｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓａｎｉｍｐｒｏｖｅｄＦａｓｔｅｒ

ＲＣＮＮａｌｇｏｒｉｔｈｍｆｏｒｔｈｅｄｉｆｆｅｒｅｎｔｓｉｚｅｓｏｆｐｒｏｈｉｂｉｔｅｄａｒｔｉｃｌｅｓａｎｄｔｈｅｍｕｔｕａｌｏｃｃｌｕｓｉｏｎｂｅｔｗｅｅｎｇｏｏｄｓ．ＴｈｅｏｒｉｇｉｎａｌＶＧＧ１６ｎｅｔｗｏｒｋ

ｉｓｒｅｐｌａｃｅｄｂｙｔｈｅＲｅｓＮｅＸｔｎｅｔｗｏｒｋｗｉｔｈｓｔｒｏｎｇｅｒｉｍａｇｅｆｅａｔｕｒｅｓ，ａｎｄｔｈｅＦＰＮｎｅｔｗｏｒｋｉｓｉｎｔｒｏｄｕｃｅｄｔｏａｄａｐｔｔｏｐｒｏｈｉｂｉｔｅｄｉｔｅｍｓｏｆ

ｖａｒｉｏｕｓｓｃａｌｅｓ．Ｔｈｅｒｅａｆｔｅｒ，ｔｈｅＣＩｏＵｌｏｓｓｆｕｎｃｔｉｏｎｉｓｕｓｅｄｔｏｒｅｐｌａｃｅｔｈｅｏｒｉｇｉｎａｌＳｍｏｏｔｈＬ１ｌｏｓｓｆｕｎｃｔｉｏｎ．ＴｈｅｉｍｐｒｏｖｅｄＦａｓｔｅｒＲＣＮＮ

ａｌｇｏｒｉｔｈｍｉｓｔｅｓｔｅｄｏｎｔｈｅＯＰＩＸｒａｙｄａｔａｓｅｔｓ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍＡＰｖａｌｕｅｉｓ１２．４％ｈｉｇｈｅｒｔｈａｎｔｈｅｏｒｉｇｉｎａｌ

ａｌｇｏｒｉｔｈｍ，ａｎｄｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｃｕｒｒｅｎｔｍａｉｎｓｔｒｅａｍｏｂｊｅｃｔｄｅｔｅｃｔｉｏｎｆｒａｍｅｗｏｒｋｓ，ｔｈｅｍＡＰｖａｌｕｅｓｏｆＹＯ