安檢對于保護(hù)公共空間的安全非常重要。然而,大多數(shù)的安檢任務(wù)主要依靠人力來完成,這就會帶來漏檢誤檢的問題。近年來,計(jì)算機(jī)視覺技術(shù)蓬勃發(fā)展,帶動了各行各業(yè)的變革,因此可以嘗試使用計(jì)算機(jī)視覺技術(shù)來輔助安檢人員,實(shí)現(xiàn)安檢的智能化。本文將安檢的智能檢測視為一個語義分割任務(wù),搭建了安檢違禁品語義分割網(wǎng)絡(luò)。為了進(jìn)一步提升網(wǎng)絡(luò)的性能,我們將聯(lián)合注意力嵌入了網(wǎng)絡(luò)當(dāng)中,并改進(jìn)了上采樣方式。具體研究內(nèi)容如下:1)建立了針對安檢違禁品的語義分割模型。使用Deeplab網(wǎng)絡(luò)作為基礎(chǔ)的網(wǎng)絡(luò)框架,并將特征提取器換成了輕量化的網(wǎng)絡(luò),以保證模型的參數(shù)量不會太大。2)結(jié)合了通道注意力與空間注意力提高了分割網(wǎng)絡(luò)性能。利用通道注意力給通道進(jìn)行加權(quán),利用空間注意力給空間進(jìn)行加權(quán),使網(wǎng)絡(luò)關(guān)注重點(diǎn)信息同時忽略其他無關(guān)信息,提升網(wǎng)絡(luò)的分割精度。3)引入聯(lián)合金字塔上采樣模塊改進(jìn)Deeplab網(wǎng)絡(luò)結(jié)構(gòu)。在上采樣的過程中使用了低層次的語義信息。通過使用聯(lián)合金字塔上采樣模塊,學(xué)習(xí)不同尺度的語義信息,使得特征融合的更加充分,進(jìn)一步提高了分割精度。本文提出的安檢違禁品語義分割方法不僅能夠?qū)崿F(xiàn)對違禁品的分類,還能夠通過分割違禁品來實(shí)現(xiàn)對違禁品的定...

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 安檢違禁品檢測
        1.2.2 神經(jīng)網(wǎng)絡(luò)
        1.2.3 語義分割
        1.2.4 注意力機(jī)制
    1.3 本文主要內(nèi)容和創(chuàng)新點(diǎn)
    1.4 本文的結(jié)構(gòu)
第二章 X光安檢圖像語義分割數(shù)據(jù)庫
    2.1 引言
    2.2 安檢X光成像機(jī)理和采集設(shè)備
    2.3 安檢違禁品圖像采集
    2.4 安檢違禁品語義分割數(shù)據(jù)庫制作
    2.5 數(shù)據(jù)增強(qiáng)及預(yù)處理
    2.6 小結(jié)
第三章 違禁品語義分割模型
    3.1 引言
    3.2 語義分割關(guān)鍵問題分析
    3.3 輕量化的Mobile Net網(wǎng)絡(luò)
    3.4 實(shí)驗(yàn)分析
        3.4.1 公共數(shù)據(jù)集性能比較
        3.4.2 模型性能比較
        3.4.3 違禁品分割效果分析
    3.5 小結(jié)
第四章 基于注意力機(jī)制的語義分割方法
    4.1 引言
    4.2 通道注意力
    4.3 空間注意力
    4.4 聯(lián)合注意力
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 評價指標(biāo)
        4.5.2 實(shí)驗(yàn)參數(shù)設(shè)置
        4.5.3 通道注意力對比實(shí)驗(yàn)
        4.5.4 空間注意力對比實(shí)驗(yàn)
        4.5.5 聯(lián)合注意力對比實(shí)驗(yàn)
    4.6 小結(jié)
第五章 上采樣模型優(yōu)化方法
    5.1 引言
    5.2 反卷積
    5.3 雙線性插值
    5.4 聯(lián)合金字塔上采樣
    5.5 上采樣模塊的實(shí)驗(yàn)與分析
        5.5.1 準(zhǔn)確性相關(guān)實(shí)驗(yàn)
        5.5.2 時效性相關(guān)實(shí)驗(yàn)
        5.5.3 實(shí)驗(yàn)結(jié)果分析
    5.6 小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來工作展望
致謝
參考文獻(xiàn)
攻讀碩士期間發(fā)表論文



本文編號：3866640