广西师范大学学报(自然科学版)

2021, v.39(04) 34-46

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于RFB网络的特征融合管制物品检测算法研究
Research on Feature Fusion Controlled Items Detection Algorithm Based on RFB Network

张伟彬;吴军;易见兵;

摘要(Abstract):

为了提高对管制物品的检测精度,本文提出一种结合RFB(receptive field block)网络结构和特征融合的目标检测算法。首先对采集的安检数据进行无效内容剔除、滤波;接着对安检数据进行人工标注和数据增强;然后在MobileNetV3-SSD算法的基础上,通过引入RFB网络改进其网络结构,以加强网络的特征提取能力,并利用特征融合的方法提高模型的小目标检测能力;最后,构建了一个安检数据集SCCI2020来验证算法的性能,该数据集包含91 767张图片。实验结果表明,本算法在安检数据集SCCI2020上的检测精度为87.0%,比MobileNetV3-SSD算法的检测精度高2.7个百分点;在COCO2014和COCO2017通用数据集上的检测精度分别为21.9%和23%,相对于VGG16-SSD、MobileNetV3-SSD算法均有一定提升。

关键词(KeyWords): 管制物品检测;小目标;RFB网络;特征融合;MobileNetV3-SSD

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61862031);; 江西省自然科学基金(20181BAB202004);; 江西省教育厅科技项目(GJJ190458)

作者(Author): 张伟彬;吴军;易见兵;

Email:

DOI: 10.16088/j.issn.1001-6600.2020080902

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享