基于反向瓶颈和LCBAM设计的X光违禁品检测

作     者：董乙杉 郭靖圆 李明泽 孙嘉傲 卢树华 DONG Yishan;GUO Jingyuan;LI Mingze;SUN Jia􀆳ao;LU Shuhua

作者机构：中国人民公安大学信息网络安全学院北京102600 公安部安全防范技术与风险评估重点实验室北京102600 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2024年第18卷第5期

页      面：1259-1270页

核心收录：

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：公安部科技强警基础专项(2021JC03) 中央高校基本科研业务费重大项目(21JKF102) 

主　　题：X光图像 违禁品检测 反向瓶颈 轻量化卷积块注意力模块(LCBAM) 

摘      要：针对X光违禁品图像姿态与角度变化易漏检误检及困难样本检测准确率低等问题,以YOLOv5网络为基线模型,提出一种融合了反向瓶颈结构和轻量化卷积块注意力模块设计的违禁品检测模型。在主干网络采用反向瓶颈结构设计注重细节特征信息,改进网络应对检测目标大角度变化问题;采用轻量化卷积块注意力机制抑制复杂背景干扰,降低模型参数量;此外,采用高斯误差线性单元激活函数和改进的置信度损失函数增强模型的非线性表达能力,加大对置信度预测的惩罚力度,优化网络对困难样本的检测性能。所提模型在三个大型公开数据集OPIXray、SIXray、HiXray上进行训练和测试,mAP分别达到了91.9%、93.4%和82.2%。结果表明,所提模型能够有效解决基线模型应对X光违禁品角度变化问题,具有较高的检测准确性和稳健性。