多尺度特征融合的安检图像危险品检测 下载: 650次
Dangerous Goods Detection Based on Multi-Scale Feature Fusion in Security Images
中国民航大学天津市智能信号与图像处理重点实验室, 天津 300300
图 & 表
图 1. SSD模型的结构
Fig. 1. Structure of SSD model
下载图片 查看原文
图 2. MFFNet模型的结构
Fig. 2. Structure of MFFNet model
下载图片 查看原文
图 3. 融合模块的处理过程
Fig. 3. Process of fusion module
下载图片 查看原文
图 4. SIXray_OD数据集中的部分图片
Fig. 4. Some pictures in SIXray_OD dataset
下载图片 查看原文
图 5. 网络的训练损失函数曲线
Fig. 5. Training loss function curves of network
下载图片 查看原文
图 6. 不同模型的可视化检测结果。(a)原始图像;(b)SSD模型;(c)MFFNet模型
Fig. 6. Visual detection results of different models. (a) Original images; (b) SSD model; (c) MFFNet model
下载图片 查看原文
表 1数据集中不同类型的图片数量
Table1. Number of images of different types in datasets
Type | Number of images |
---|
Gun | Knife | Wrench | Plier | Scissor | Total |
---|
Training | 2055 | 1092 | 1586 | 2765 | 811 | 6102 | Test | 881 | 469 | 680 | 1186 | 348 | 2616 | Total | 2936 | 1561 | 2266 | 3951 | 1159 | 8718 |
|
查看原文
表 2不同融合特征层的组合方式
Table2. Combination of different fusion feature layers
Combination | Based layer | Extra layer |
---|
Block 30 | Block 33 | Conv8 | Conv9 | Conv10 |
---|
1 | √ | | √ | | | | √ | | √ | | 2 | √ | | √ | | | | √ | | | √ | 3 | √ | | | √ | | | √ | | | √ |
|
查看原文
表 3不同融合方式的检测精度结果
Table3. Detection accuracy results of different fusion methods unit: %
Combination | Sum | Product | Concat |
---|
1 | 78.27 | 77.76 | 78.10 | 2 | 77.84 | 77.53 | 77.92 | 3 | 78.05 | 77.02 | 77.54 |
|
查看原文
表 4各类违禁品的检测精度结果
Table4. Detection accuracy results of all kinds of contraband unit: %
Type | SSD | MFFNet |
---|
Gun | 89.91 | 90.42 | Knife | 73.31 | 75.29 | Wrench | 69.46 | 71.17 | Plier | 75.57 | 82.22 | Scissor | 63.61 | 72.24 | mAP | 74.37 | 78.27 |
|
查看原文
表 5消融实验的结果
Table5. Results of ablation experiment
Model | Backbone | mAP/% |
---|
SSD | VGG-16 | 74.37 | SSD | ResNet-101 | 76.18 | SSD+FM 1 | ResNet-101 | 77.38 | SSD+FM 2 | ResNet-101 | 77.75 | SSD+FM 1+FM 2 | ResNet-101 | 78.27 |
|
查看原文
表 6不同模型的检测结果
Table6. Detection results of different models
Model | mAP /% | FPS |
---|
SSD | 74.37 | 56 | FSSD | 75.75 | 41 | Faster R-CNN | 77.81 | 2 | YOLO-v3 | 70.49 | 70 | MFFNet | 78.27 | 19 |
|
查看原文
王昱晓, 张良. 多尺度特征融合的安检图像危险品检测[J]. 激光与光电子学进展, 2021, 58(8): 0810012. Yuxiao Wang, Liang Zhang. Dangerous Goods Detection Based on Multi-Scale Feature Fusion in Security Images[J]. Laser & Optoelectronics Progress, 2021, 58(8): 0810012.