針對主動視覺安檢方法準(zhǔn)確率低、速度慢,不適用于實時交通安檢的問題,提出了八度卷積（OctConv）和注意力機制雙向門控循環(huán)單元（GRU）神經(jīng)網(wǎng)絡(luò)相結(jié)合的X光安檢圖像分類方法。首先,利用八度卷積代替?zhèn)鹘y(tǒng)卷積,對輸入的特征向量進(jìn)行高低分頻,并降低低頻特征的分辨率,在有效提取X光安檢圖像特征的同時,減少了空間冗余。其次,通過注意力機制雙向GRU,動態(tài)學(xué)習(xí)調(diào)整特征權(quán)重,提高危險品分類準(zhǔn)確率。最后,在通用SIXRay數(shù)據(jù)集上的實驗表明,對8 000幅測試樣本的整體分類準(zhǔn)確率（ACC）、特征曲線下方面積（AUC）、正類分類準(zhǔn)確率（PRE）分別為98.73%、91.39%、85.44%,檢測時間為36.80 s。相對于目前主流模型,本文方法有效提高了X光安檢圖像危險品分類的準(zhǔn)確率和速度。 

【文章來源】：中國光學(xué). 2020,13(05)北大核心EICSCD

【文章頁數(shù)】：9 頁

【參考文獻(xiàn)】：
期刊論文
[1]GAN-based data augmentation of prohibited item X-ray images in security inspection[J]. 朱越,張海剛,安久遠(yuǎn),楊金鋒.  Optoelectronics Letters. 2020(03)
[2]基于LeNet-5的卷積神經(jīng)圖像識別算法[J]. 張萬征,胡志坤,李小龍.  液晶與顯示. 2020(05)
[3]基于Inception V3的圖像狀態(tài)分類技術(shù)[J]. 王旖旎.  液晶與顯示. 2020(04)
[4]基于深度卷積生成對抗網(wǎng)絡(luò)的圖像識別算法[J]. 劉戀秋.  液晶與顯示. 2020(04)
[5]基于注意力掩模融合的目標(biāo)檢測算法[J]. 董瀟瀟,何小海,吳曉紅,卿粼波,滕奇志.  液晶與顯示. 2019(08)
[6]基于深度卷積神經(jīng)網(wǎng)絡(luò)的多特征融合的手勢識別[J]. 贠衛(wèi)國,史其琦,王民.  液晶與顯示. 2019(04)
[7]融合全局和局部深度特征的高分辨率遙感影像場景分類方法[J]. 龔希,吳亮,謝忠,陳占龍,劉袁緣,俞侃.  光學(xué)學(xué)報. 2019(03)
[8]X射線安全檢查技術(shù)研究新進(jìn)展[J]. 陳志強,張麗,金鑫.  科學(xué)通報. 2017(13)
[9]基于稀疏處理的多能X射線分離成像[J]. 費彬,孫京陽,張俊舉,喻春雨.  光學(xué)精密工程. 2017(04)



本文編號：3155012