[發明專利]基于特征圖重賦權的X光違禁品包裹檢測方法及裝置

有效

• 申請號: 202010725421.6
• 申請日: 2020-07-24
• 公開（公告）號: CN112070079B
• 公開（公告）日: 2022-07-05
• 發明（設計）人: 高紅霞;廖宏宇;林國遠
• 申請（專利權）人: 華南理工大學
• 主分類號: G06V10/25
• 分類號: G06V10/25;G06V10/40;G06K9/62;G06N3/04;G06N3/08;G06V10/764
• 代理公司: 廣州廣典知識產權代理事務所(普通合伙) 44365
• 代理人: 謝偉

1.一種基于特征圖重賦權的X光違禁品包裹檢測方法，其特征在于，包括如下步驟：

S10，采集各類違禁品包裹的X光圖像數據，在各類違禁品包裹的X光圖像數據中標注違禁品的真實類別和真實位置，根據各個X光圖像數據，以及各個X光圖像數據對應的違禁品類別和違禁品位置構建X光違禁品訓練集；

S20，將X光違禁品訓練集輸入特征提取網絡，獲得圖像特征圖；

S30，將圖像特征圖輸入區域建議網絡，獲得感興趣區域特征圖；

S40，將各類違禁品包裹的X光圖像數據及各個X光圖像數據攜帶的標注輸入元特征提取器，獲取元特征提取器中深層網絡輸出的特征圖作為各類違禁品的類注意特征圖；

S50，采用類注意特征圖對感興趣區域特征圖做重賦權操作，對重賦權操作得到的結果進行降維處理，得到單維特征向量；

S60，將單維特征向量輸入分類回歸網絡，得到表征各類違禁品類別得分及邊框調整參數的輸出特征向量，將輸出特征向量中得分最高的類別確定為各類違禁品的預測類別，根據邊框調整參數確定各類違禁品在相應X光圖像數據中的預測位置，根據各類違禁品的預測類別、預測位置、真實類別與真實位置做運算，計算損失函數，通過損失函數反向傳播，以調節下一次訓練過程中采用的特征提取網絡、元特征提取器及分類回歸網絡；其中，所述特征提取網絡和所述元特征提取器分別采用的是深度卷積網絡，所述分類回歸網絡包括兩個全連接層，最后一個全連接層分兩部分輸出，一部分為各類別得分，另一部分為邊框調整參數；

S70，采用調節后的特征提取網絡、元特征提取器及分類回歸網絡返回步驟S20重新將X光違禁品訓練集輸入調節后的特征提取網絡進行迭代訓練，直至訓練次數大于或等于預設的迭代次數，依據當前的分類回歸網絡確定違禁品檢測器；

S80，將待檢測包裹輸入違禁品檢測器，獲取違禁品檢測器輸出的違禁品位置及違禁品類別；

S50中，所述采用類注意特征圖對感興趣區域特征圖做重賦權操作包括：

在感興趣區域特征圖中獲取類注意特征圖中各個元素的對應位，將類注意特征圖中各個元素分別與感興趣區域特征圖中對應的元素相乘，以實現重賦權操作。

2.根據權利要求1所述的基于特征圖重賦權的X光違禁品包裹檢測方法，其特征在于，所述特征提取網絡包括卷積層、池化層與非線性映射層；

所述卷積層執行的卷積操作包括：

f₂[x，y]＝f₁[x，y]*w[x，y]，

式中，f₁[x，y]表示輸入特征提取網絡的圖像，w[x，y]表示卷積核，f₂[x，y]表示卷積后所得特征；

所述非線性映射層執行的非線性映射操作包括：

f₃[x，y]＝max(0，f₂[x，y])，

其中，max()表示取較大值，f₃[x，y]表示做非線性映射后得到的圖像特征圖。

3.根據權利要求1所述的基于特征圖重賦權的X光違禁品包裹檢測方法，其特征在于，所述將圖像特征圖輸入區域建議網絡，獲得感興趣區域特征圖包括：

將圖像特征圖的各個點定義為錨點，以每個錨點為中心定義多個錨框，去除超圖像特征圖區域的錨框，得到有效錨框，識別有效錨框中表征違禁品的目標錨框，剔除所述目標錨框中重疊的錨框，在剩下的目標錨框中提取置信度最高的前n個錨框，作為感興趣區域特征圖。

4.根據權利要求3所述的基于特征圖重賦權的X光違禁品包裹檢測方法，其特征在于，所述識別有效錨框中表征違禁品的目標錨框包括：

獲取有效錨框與真實標記框之間的交并比，將交并比大于設定閾值的有效錨框確定為目標錨框。