【技术实现步骤摘要】
基于弱监督和深度响应重分配的X光图片违禁品定位方法
本专利技术涉及计算机视觉和图像处理领域，尤其涉及一种公共安全检测领域的基于弱监督深度学习和深度响应重分配的类不均衡X光图片违禁品检测方法。
技术介绍
X光图片违禁品检测是公共安全领域的一个关键问题，它的主要目的是在伪彩色处理后的X光图片中准确检测其是否包含违禁品，如刀和枪，并能在复杂的遮挡干扰情况下定位违禁品，为人工开箱查验提供线索。这在目前交通枢纽安检、物流安检等应用中具有重要意义。随着X光机安检设备的发展普及，以及国内物流运输量的扩大，数以万计的设备在全天不停歇地采集数据，形成了海量数据库。目前，X光图片中的违禁品检测以人工查验为主，相关工作人员需要时刻监视画面，并在较短的时间内给出人工判定结果。这不仅费时费力，而且人工查验若遗漏违禁品，则可能会引发严重后果。因此，自动化违禁品检测技术以其成本低、效率高、稳定性强等优点受到了人们的广泛关注。如何利用各种技术手段如计算机视觉、深度学习等有效地解决X光图片违禁品检测在实际应用中面临的各种问题，从而能够在实际场景中稳定高效地输出准确结果是研究人员的主要探索方向。X光...
【技术保护点】
1.一种基于深度卷积神经网络的弱监督X光图片违禁品定位方法，其特征在于，该方法包括以下定位模型的训练步骤：步骤1)，将深度响应重分配模块插入到传统卷积神经网络中任意卷积层后，得到优化后的卷积神经网络，即深度响应重分配网络；步骤2)，将X光图片输入到深度响应重分配网络，深度响应重分配模块基于前层卷积层输出的特征图计算图片中每个位置的目标响应关系，得到深度响应重分配矩阵；步骤3)，将深度响应重分配矩阵与特征图融合以更新特征图，将该更新后的特征图继续前向传播至全局均值聚合层与全连接层，得到图片的分类预测结果，获得训练后的定位模型。
【技术特征摘要】
1.一种基于深度卷积神经网络的弱监督X光图片违禁品定位方法，其特征在于，该方法包括以下定位模型的训练步骤：步骤1)，将深度响应重分配模块插入到传统卷积神经网络中任意卷积层后，得到优化后的卷积神经网络，即深度响应重分配网络；步骤2)，将X光图片输入到深度响应重分配网络，深度响应重分配模块基于前层卷积层输出的特征图计算图片中每个位置的目标响应关系，得到深度响应重分配矩阵；步骤3)，将深度响应重分配矩阵与特征图融合以更新特征图，将该更新后的特征图继续前向传播至全局均值聚合层与全连接层，得到图片的分类预测结果，获得训练后的定位模型。2.根据权利要求1所述的方法，其特征在于，步骤2)中，X光图片只给定图片类别标号，即图片中是否含有某类违禁品，不标注违禁品目标的具体位置。3.根据权利要求1所述的方法，其特征在于，步骤2)中，通过以下步骤生成深度响应重分配矩阵：基于特征图构建连通带权图，连通带权图中每个结点代表特征图中的每个像素位置，计算任意两个节点之间的有向边权值；根据有向边权值得到连通带权图的权值矩阵；基于权值矩阵求解深度响应重分配矩阵。4.根据权利要求3所述的方法，其特征在于，两个结点之间的有向边权值通过相似度度量方法计算得到：其中，(i,j)和(p,q)为连通带权图上的两个结点，di,j；p,q为两结点之间的有向边权值，||·||表示L2正则化，∈为距离系数，控制相邻像素点距离对相似度的影响，表示连通带权图上结点(i,j)具有的特征向量，表示连通带权图上结点(p,q)具有的特征向量。5.根据权利要求3所述的方法，其特征在于，求解深度响应重分配矩阵的方式为：在连通带权图上通过随机游走算法迭代地更新每个像素位置的目标概率，具体为：深度响应重分配矩阵初始化，被展开为1×N2的向量且元素值均被设为1/N2，通过迭代乘以连通带权图的权值矩阵来更新深度响应重分配矩阵，当深度响应重分配矩阵的更新幅度非常小时，认为随机游走达到了稳定状态，即满足停止条件，得到深度响应重分配矩阵。任选地，深度响应重分配矩阵还可以通过求解下式直接得到：(I-ρAD)F＝δe式(6)其中，F为深度响应重分配矩阵；e为全为1的N维向量；D是由各个出度的倒数构成的对角矩阵；ρ为系数项，eTF＝1；A为边-顶点的关联矩阵；δ为系数项。6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：焦建彬，朱艺，叶齐祥，韩振军，张如飞，
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。