本文旨在研究實(shí)現(xiàn)安檢中管制物品的自動(dòng)檢測(cè),從而提高安檢效率,一定程度上節(jié)省人力資源的浪費(fèi),管制物品自動(dòng)檢測(cè)可以歸結(jié)為一個(gè)目標(biāo)檢測(cè)問(wèn)題,如今深度學(xué)習(xí)在各個(gè)領(lǐng)域獲得良好效果和廣泛應(yīng)用,促使目標(biāo)檢測(cè)算法研究取得了飛速發(fā)展,本文專(zhuān)門(mén)構(gòu)建了針對(duì)管制物品的數(shù)據(jù)集（SDCI2018）,重點(diǎn)研究采用深度學(xué)習(xí)方法進(jìn)行目標(biāo)檢測(cè)的算法SSD和YOLOv3在管制物品檢測(cè)中的應(yīng)用以及根據(jù)實(shí)際需要進(jìn)行一系列相關(guān)改善措施來(lái)提升在安檢X光片這些特殊目標(biāo)上的檢測(cè)效果,最終構(gòu)建管制物品自動(dòng)檢測(cè)系統(tǒng)滿足應(yīng)用。在SSD算法研究中,針對(duì)其對(duì)安檢圖片檢測(cè)存在小目標(biāo)漏檢、誤檢等問(wèn)題,本文通過(guò)對(duì)圖片分區(qū)域檢測(cè)和特征融合的目標(biāo)檢測(cè)算法來(lái)有效改善小目標(biāo)檢測(cè)效果;并且采用多個(gè)角度旋轉(zhuǎn)等策略對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)增,其中由于卷積神經(jīng)網(wǎng)絡(luò)沒(méi)有旋轉(zhuǎn)不變性,所以角度旋轉(zhuǎn)處理采用離線方式,從而實(shí)現(xiàn)對(duì)整個(gè)數(shù)據(jù)集進(jìn)行成倍擴(kuò)增,而其他預(yù)處理數(shù)據(jù)增廣方式包括鏡像、形變、亮度、對(duì)比度、混合、加噪、顏色空間變換等處理方式則在訓(xùn)練時(shí)采用隨機(jī)變換來(lái)增加數(shù)據(jù)多樣性擾動(dòng);接著在Single Shot MultiBox Detector（SSD）算法的基礎(chǔ)上,利用多尺度特征融合... 

【文章來(lái)源】：江西理工大學(xué)江西省

【文章頁(yè)數(shù)】：77 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖像鏡像（左為原圖，右為變換后）

圖像尺度變換（左為原圖，右為變換后）

圖3.3 圖像尺度變換（左為原圖，右為變換后） 3) 平移 對(duì)圖像進(jìn)行水平或垂直平移，一般指定一個(gè)平移范圍，變換函數(shù)在指定范圍內(nèi)進(jìn)行隨機(jī)采樣，令長(zhǎng)寬分別平移對(duì)應(yīng)長(zhǎng)度，也可保持移動(dòng)距離一致，如圖 3.4。

【參考文獻(xiàn)】：
期刊論文
[1]X光圖片禁帶品智能識(shí)別技術(shù)[J]. 王玉維,楊波,馬衛(wèi)東.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]X光圖片智能識(shí)別云平臺(tái)的關(guān)鍵技術(shù)研究[J]. 赫楠,姬光,吳倩,胡寧.  中國(guó)傳媒大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[3]融合位置尺度信息的胸部X光肺結(jié)節(jié)檢測(cè)[J]. 焦慶磊,陳宇彤,朱明.  小型微型計(jì)算機(jī)系統(tǒng). 2019(06)
[4]Faster R-CNN在工業(yè)CT圖像缺陷檢測(cè)中的應(yīng)用[J]. 常海濤,茍軍年,李曉梅.  中國(guó)圖象圖形學(xué)報(bào). 2018(07)
[5]基于深度學(xué)習(xí)實(shí)現(xiàn)電子產(chǎn)品X光片的自動(dòng)檢測(cè)研究[J]. 陳光希,馮峰.  信息技術(shù)與信息化. 2017(08)
[6]基于Fast R-CNN的車(chē)輛目標(biāo)檢測(cè)[J]. 曹詩(shī)雨,劉躍虎,李辛昭.  中國(guó)圖象圖形學(xué)報(bào). 2017(05)
[7]基于計(jì)算機(jī)視覺(jué)的X射線圖像異物分類(lèi)研究[J]. 王宇,鄒文輝,楊曉敏,姜維,吳煒.  液晶與顯示. 2017(04)



本文編號(hào)：3238668