改进YOLOv7-Tiny的X射线安检违禁品检测

• 全文链接
• 请求原文

作   者：

叶亚林;  谢连军;  高丙朋;  吕利俊; 

作者机构：

新疆大学电气工程学院; 

关键词：

特征提取;  深度学习;  违禁品检测;  模型轻量化; 

期刊名称：

科学技术与工程

i s s n：

1671-1815

年卷期：

2024 年 24 卷 026 期

页   码：

11349-11357

摘   要：

针对X射线安检场景中违禁品目标检测精度低,检测模型过于复杂的问题,在YOLOv7-Tiny模型的基础上,提出了一种新的轻量化检测方法.首先在骨干网络中融合改进的轻量化模块GhostNetV2,在减少模型参数的同时,提高训练效率;其次在YOLOv7-Tiny的颈部网络部分加入金字塔拆分注意力机制,有效解决参数减少导致的提取特征不足问题,提高背景复杂以及多尺度目标回归的准确性;最后,通过使用归一化 Wasserstein距离方法来度量损失,替代了原有的Intersection over Union度量,降低了小目标位置偏差的敏感性,增强了小目标的回归准确性.实验结果表明,改进模型在SIXray、CLCXray和OPIXray数据集上平均检测精度达到92.9%、76.2%和91.2%,相比原始算法分别提升了 6.5%、2%和1.8%;所提出模型在轻量化的同时能够进一步提高检测能力,可以满足实时检测要求,具有较好的应用价值.