改进YOLOv5的X光图像违禁品检测算法 |
| |
引用本文: | 李文强,陈莉,谢旭,郝星星,李豪斌.改进YOLOv5的X光图像违禁品检测算法[J].计算机工程与应用,2023(16):170-176. |
| |
作者姓名: | 李文强 陈莉 谢旭 郝星星 李豪斌 |
| |
作者单位: | 西北大学信息科学与技术学院 |
| |
基金项目: | 陕西省重点研发计划项目(2019ZDLSF07-02);;国家自然科学基金青年基金(62106199);;陕西省教育厅一般专项科研计划项目(21JK0926); |
| |
摘 要: | 针对X光图像违禁品检测中的复杂背景、正负类别不平衡和漏检等问题,提出一种基于YOLOv5的X光违禁品检测算法。该算法通过在YOLOv5s骨干网络中引入Swin Transformer模块,利用局部自注意力与Shifted Window机制提升模型对X光图像全局特征的提取能力,并且在主干网络后增加空间注意力机制与通道注意力机制,以提升算法对违禁品关键特征的提取能力。引入一种自适应空间特征融合结构,缓解特征金字塔中不同层级特征图之间冲突对模型梯度的干扰。引入Focal Loss函数用于改进YOLOv5s的背景预测损失函数和分类损失函数,提升算法在正负样本与难易样本失衡情况下的检测能力。该算法在公开数据集SIXray100上的平均检测精度达到57.4%,相比YOLOv5s提高了4.5个百分点;在SIXray正样本数据集上的平均检测精度达到90.4%,相比YOLOv5s提高了2.4个百分点。实验结果表明,改进后的算法相比原始YOLOv5s算法检测精度有较大提升,证明了算法的有效性。
|
关 键 词: | 深度学习 目标检测 违禁品检测 YOLOv5 注意力机制 |
|
|