1 中国科学院上海微系统与信息技术研究所太赫兹固态技术重点实验室, 上海 200050
2 中国科学院大学, 北京 100049
3 上海科技大学信息科学与技术学院, 上海 201210
采用反卷积与捷径连接,针对毫米波图像提出了一种高效、快速的卷积神经网络,在保留图像低阶细粒度特征的同时,检测速度由原框架的9 frame/s大幅提升至27 frame/s,并取消了Faster RCNN (Regions with Convolutional Neural Networks)中的RCNN部分。为了使网络更好地收敛,基于聚类思想设计了初始候选框的大小。使用在线困难样本挖掘(OHEM)优化了Faster RCNN的损失函数,解决了毫米波图像中正负样本失衡的问题,大幅提升了训练速度。所提算法在测试集上取得了87.6%的准确率和81.2%的检出率,F1分数相较于主流算法提升了5%左右。
图像处理 图像识别 卷积神经网络 反卷积 毫米波图像 目标检测 激光与光电子学进展
2019, 56(13): 131009
1 西安电子科技大学 综合业务网理论与关键技术国家重点实验室, 陕西 西安 710071
2 中国科学院上海微系统与信息技术研究所 中科院太赫兹固态技术重点实验室, 上海 200050
主动式毫米波成像(AMWI)技术是检测隐藏在衣服下的危险物体的有效方法.但AMWI获取的图像通常很模糊, 而且一些隐匿物体的尺寸较小, 因此隐匿物品的自动检测和定位仍然是一个具有挑战性的问题.姚家雄等
主动式毫米波图像 隐匿物品检测 卷积神经网络 上下文信息 active millimeter-wave image concealed object detection CNN contextual information
1 上海微系统与信息技术研究所 中科院太赫兹固态技术重点实验室, 上海 200050
2 中国科学院大学, 北京 100049
3 上海科技大学, 上海 201210
随着毫米波器件的成熟, 毫米波成像雷达已经应用于人体安检.但毫米波图像中违禁物体的定位仍然是一个艰巨的任务, 这极大地限制了毫米波成像雷达的应用.文章将卷积神经网络(Convolutional Neural Network, CNN)应用于毫米波图像, 自动定位毫米波图像中的违禁物体, 如枪、刀等.利用滑动窗口在输入图像上滑动, 并通过CNN得到各个子图块存在违禁物体的概率.图像块是相互交叠的, 将各子图块的概率值累积起来, 得到概率累积图.概率累计图反映了违禁物体的位置.由于CNN和概率累积图的应用, 在实验中, 该方法获得了很高的定位准确率, 验证了该方法的有效性.
毫米波图像 卷积神经网络 物体定位 概率累积图 millimeter-wave image convolution neural network(CNN) object localization probability accumulation map