-
题名基于锚点辅助与细粒度多尺度特征的违禁品检测
- 1
-
-
作者
黎作鹏
刘佳祥
张少文
-
机构
河北工程大学信息与电气工程学院
邯郸学院河北省光纤生物传感与通信器件重点实验室
邯郸学院信息工程学院
-
出处
《电子测量技术》
北大核心
2025年第8期154-164,共11页
-
基金
国家自然科学基金(62101174)
河北省高等学校科学技术研究项目(BJK2022025)
河北省光纤生物传感与通信器件重点实验室项目(SZX2022010)资助。
-
文摘
针对目前X光违禁物品之间遮挡、噪声干扰和检测精度低等问题,以YOLOv8s网络为基础模型,提出一种融合了锚点辅助训练策略和细粒度多尺度特征的违禁品检测模型。在网络中采用C3_Res2Net模块替换C2f模块,通过集成不同层次的特征来增强多尺度,以增加网络层的感受野范围,获取细粒度层面的特征,解决违禁品之间存在遮挡带来检测精度低问题;采用滑动平均的Slide Loss目标类别损失函数和改进的边框损失函数尝试为困难样本分配更高的权重,降低高质量锚框的竞争力的同时,减小了低质量示例产生的有害梯度,同时聚焦于普通质量的锚框,提高检测器的整体性能,使得具有更好的抗噪声干扰能力;在训练前期使用ATSS和Task-Aligned Assigner协同训练机制的标签分配策略,利用Anchor-based的预设信息,达到稳定模型训练的目的;在训练的后期采用锚点辅助训练策略充分发挥了结合不同Anchor网络的各自优势,从而进一步提升了模型检测精度。本文所改进模型在公开数据集SIXray、HiXray上进行了训练和测试,mAP 50分别达到94.9%、83.7%,mAP 50:95为73.1%、52.2%。结果表明,本文所改进模型具有较高的检测准确性和稳定性。
-
关键词
违禁品检测
YOLOv8
细粒度
滑动平均
锚点辅助
协同训练
标签分配
-
Keywords
contraband detection
YOLOv8
granular level
sliding average
anchor-aided
collaborative training
label assignment
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TN911.73
[电子电信—通信与信息系统]
-
