一种基于选择性密集注意力的违禁物品检测方法技术

本发明专利技术公开了一种基于选择性密集注意力的违禁物品检测方法。本方法为：1)将待检测图像输入骨干网络中提取多尺度特征；所述多尺度特征包括高层语义特征和低层细节特征；2)选择性密集注意力网络通过自适应的学习不同尺度特征的权重，然后将高层语义特征与低层细节特征进行加权相加，得到融合后的特征图；3)对于融合后的特征图中的每一个点，生成不同尺度和宽高比的检测框；4)提取每一所述检测框的特征；5)将提取到的检测框特征输入到头部检测模块中进行分类和偏移值的预测；然后根据偏移值修正对应检测框的位置；然后通过非极大值抑制方法获得所述检测框中违禁物品的类别和位置。本方法能够显著提升违禁物品的检测效率。本方法能够显著提升违禁物品的检测效率。本方法能够显著提升违禁物品的检测效率。

【技术实现步骤摘要】
一种基于选择性密集注意力的违禁物品检测方法


[0001]本专利技术涉及计算机视觉
，具体涉及违禁物品的检测方法，尤其涉及基于选择性密集注意力的违禁物品检测方法。

技术介绍

[0002]随着利用携带违禁物品实施恐怖袭击事件的逐渐增多，安检已经成为反恐体系中的重要环节。在实际工作中，检查人员需要对安检机采集的X光图像进行监控，以发现枪支、弹药、爆炸物、腐蚀性物质、有毒和放射性物质等违禁物品。然而，现有的金属门、手持金属探测器、人工判图等安检方法存在查验能力不足、检查速度慢、方式不够友好以及人力成本高等局限，这对安全构成了极大威胁。
[0003]近年来，由于深度学习和计算机视觉技术的迅猛发展，实现对违禁物品的自动安全检查成为可能。借助计算机视觉技术，安检人员可以快速识别违禁物品的位置和类别。但是，以往的计算机视觉中的目标检测算法大多是针对自然图像中的目标进行检测的，对于X射线图像中的目标检测并不理想。另外，X射线具有很强的穿透力，物体中不同的物质吸收X射线的程度不同，产生不同的颜色。同时，将x射线中的遮挡物与遮挡物的轮廓混合在一起。与自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于选择性密集注意力的违禁物品检测方法，其步骤包括：1)将待检测图像输入骨干网络中提取多尺度特征；所述多尺度特征包括高层语义特征和低层细节特征；2)选择性密集注意力网络通过自适应的学习不同尺度特征的权重，然后将高层语义特征与低层细节特征进行加权相加，得到融合后的特征图；3)对于融合后的特征图中的每一个点，生成不同尺度和宽高比的检测框；4)提取每一所述检测框的特征；5)将提取到的检测框特征输入到头部检测模块中进行分类和偏移值的预测；然后根据偏移值修正对应检测框的位置；然后通过非极大值抑制方法获得所述检测框中违禁物品的类别和位置。2.如权利要求1所述的方法，其特征在于，所述选择性密集注意力网络包含选择性通道注意力模块、选择性空间注意力模块和依赖增强模块；其中，所述选择性通道注意力模块首先对每一尺度特征进行处理，其中对于所述骨干网络第i层级提取的第i尺度特征进行处理时，首先将多尺度特征的大小统一为第i尺度特征的大小，然后将统一大小后的多尺度特征进行相加，得到待检测图像的全局语义信息并输入全局平均池层，然后全局平均池层根据输入的全局语义信息获得待检测图像的全局通道信息，然后使用全连接层压缩全局通道信息，然后通过全连接网络作用于压缩后的全局通道信息，自适应地学习到第i层级的通道注意权重；其中i＝1～N，N为所述骨干网络的层级数；然后根据各层级对应的通道注意权重对多尺度特征进行加权求和得到通道指导的特征图并输入依赖增强模块；选择性空间注意力模块首先对每一尺度特征进行处理，其中对于所述骨干网络第i层级提取的第i尺度特征进行处理时，首先将多尺度特征的大小统一为第i尺度特征的大小，然后将统一大小后的多尺度特征进行相加，得到待检测图像的全局语义信息；然后对该全局语义信息分别进行平均池化、最大池化，生成...

【专利技术属性】
技术研发人员：王伯英，汲如意，张立波，武延军，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：