The invention discloses a method for checking contraband in weak supervised X-ray image based on hierarchical propagation and activation, which realizes the following steps: firstly, acquiring X-ray image data and corresponding image categories, forming training sample set and test sample set; secondly, obtaining feature map through top-down hierarchical structure of convolutional neural network (CNN) on training sample set; secondly, the method of hierarchical propagation activation is implemented. The method promotes the activation of each layer's feature map through the propagation of top-down interlayer and intra-layer confidence, and finally obtains the exact location of contraband. This method uses weak supervised labeling information to learn image recognition model. When labeling an image, it only needs to specify whether there is contraband or not in the image and the category information of contraband. It does not need to label the specific position of the contraband in the image accurately, thus greatly reducing the cost of manual labeling. The invention can realize intelligent detection of contraband objects and reduce security. Unnecessary duplication of work in the inspection process is of great significance.
【技术实现步骤摘要】
基于分层传播和激活的弱监督X光图像违禁品检查方法
本专利技术属于安检领域,涉及图像处理和分类,特别涉及一种基于分层传播和激活的弱监督X光图像违禁品检查方法。
技术介绍
自动的X光图像安全检查技术是保障公共安全的重要手段,对于保障人、机场、船舶、货物流通以及关键基础设施的安全具有重要作用。目前,公共安全领域对违禁物品的主要查验手段是利用人工查看X光图像。随着全球旅行中越来越多的乘客和对运输安全方面更广泛的关注,安检人员的工作强度逐渐增大,长时间的X光图像检查工作给他们带来了巨大的负担和压力。如何缓解公共安全领域安检效率低与安检需求量大之间的矛盾已成为一个亟待解决的问题。根据2013年海关统计数据,除传统货运渠道,我国进出口邮件已超过5亿个;2014年,我国成为世界第一快递、物流大国。寄递、物流业快速发展,在方便人们工作生活的同时,也带来一些安全隐患。以海关为例,其自动化分拣线与检验设备集成度不高,需要人工将邮件从分拣线挑选出来,采用搬运小车拉到检验设备人工完成检验,然后再将邮件放到自动化分拣线上。整个过程繁琐复杂,并且会需要大量的人力资源。为提高自动化应用水平,降低工作人员工作强度,有必要提供一种基于弱监督深度学习方法,研究自动识别违禁品包裹的算法,将具有违禁品的箱包和包裹分拣至待检区域,减少安检人员工作量,辅助安检人员减少违禁品的漏检和误检。传统的监督学习模型往往需要在大量的图像中精确标注每一个目标的位置。虽然这类方法能够依靠大量的标注信息学习目标识别和定位信息,但是对数据的标注提出了非常高的要求。对图像数据集中的每一个目标精确标注的这一过程耗时耗力,这很 ...
【技术保护点】
1.一种弱监督X光图像违禁品的检查方法,其特征在于,所述方法包括以下步骤:步骤1),获取X光图像数据,确定图像类别,并形成训练样本集和测试样本集;步骤2),将训练样本集中图片输入到自上而下分层的卷积神经网络,进行特征提取,将特征分类,得到分类模型;步骤3),利用训练好的分类模型,对测试样本集中的未知图像进行分类预测以及定位信息预测。
【技术特征摘要】
1.一种弱监督X光图像违禁品的检查方法,其特征在于,所述方法包括以下步骤:步骤1),获取X光图像数据,确定图像类别,并形成训练样本集和测试样本集;步骤2),将训练样本集中图片输入到自上而下分层的卷积神经网络,进行特征提取,将特征分类,得到分类模型;步骤3),利用训练好的分类模型,对测试样本集中的未知图像进行分类预测以及定位信息预测。2.根据权利要求1所述的方法,其特征在于,步骤1)中,训练样本集中图片只给定图像标号、不标注目标位置,其中图像标号只表明该图像中是否含有违禁品。3.根据权利要求1所述的方法,其特征在于,步骤1)中,获取X光图像数据后进行预处理,所述预处理包括归一化处理;优选地,归一化处理通过获得图片像素平均值和方差,将图片中每个像素减去像素平均值后再除以方差进行。4.根据权利要求1所述的方法,其特征在于,步骤2)包括以下子步骤:步骤2.1),构造自上而下分层的卷积神经网络,对由训练样本集中选择的图片提取特征并进行层内层间的置信度传播;步骤2.2),在每层的最后一个卷积层的特征图上使用激活的方法进行特征提取,即采用分层激活的方法激活特征图;步骤2.3),利用卷积神经网络的全连接层对步骤2.2)中提取出的特征分类,得到该图片属于每个类别的概率,即构建完成分类模型;其中,自上而下分层的卷积神经网络为将卷积神经网络中产生多级侧输出,侧输出产生的卷积层和原始卷积层形成自上而下类似金字塔的结构。5.根据权利要求1所述的方法,其特征在于,步骤2.1)中,层间传播通过以下步骤得到:上层的置信度传播图通过上采样以和下层的特征图有相同的空间分辨率,并和下层特征图进行级联,通过1×1的卷积层进行卷积,这样两层的特征进行了融合,并且置信度从上层传到了下层;层间置信度传播公式如式(1)所示:Ml←Wl*∧(Ml+1,Fl)式(1)其中,Ml表示第l层的置信度传播图,Fl∈RK×N×N表示第l层特征图有K个维度并且每个维度特征图的大小为N×N,N表示特征图的高和宽;R代表实数;∧(·)表示将l+1层的置信度传播图Ml+1上采样后和第l层特征图Fl进行级联的操作;Wl是1×1卷积层的参数;“*”是卷积操作。6.根据权利要求1所述的方法,其特征在于,步骤2.1)中,层内传播...
【专利技术属性】
技术研发人员:叶齐祥,苗彩敬,焦建彬,韩振军,
申请(专利权)人:中国科学院大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。