[發(fā)明專利]基于風(fēng)格特征通道注意力的X光安檢圖像違禁品檢測(cè)方法在審
| 申請(qǐng)?zhí)枺?/td> | 202110941143.2 | 申請(qǐng)日: | 2021-08-17 |
| 公開(kāi)(公告)號(hào): | CN113657493A | 公開(kāi)(公告)日: | 2021-11-16 |
| 發(fā)明(設(shè)計(jì))人: | 杜慧茜;王曼;傅雄軍;袁大森;謝民 | 申請(qǐng)(專利權(quán))人: | 北京理工大學(xué) |
| 主分類號(hào): | G06K9/62 | 分類號(hào): | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京正陽(yáng)理工知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11639 | 代理人: | 張利萍 |
| 地址: | 100081 *** | 國(guó)省代碼: | 北京;11 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 風(fēng)格 特征 通道 注意力 安檢 圖像 違禁品 檢測(cè) 方法 | ||
1.基于風(fēng)格特征通道注意力的X光安檢圖像違禁品檢測(cè)方法,其特征在于:包括如下步驟:
步驟1:對(duì)X光安檢圖像數(shù)據(jù)集進(jìn)行預(yù)處理,設(shè)置成與VOC2007數(shù)據(jù)集格式相同的X光安檢圖像數(shù)據(jù)集,并將數(shù)據(jù)集中的所有X光安檢圖像放入一個(gè)文件夾,將所有的標(biāo)記文件放入另一個(gè)文件夾,并將數(shù)據(jù)集劃分為訓(xùn)練集和測(cè)試集;
步驟2:將步驟1中的訓(xùn)練集進(jìn)行數(shù)據(jù)增強(qiáng)處理和打亂處理,得到增強(qiáng)訓(xùn)練集;
步驟3:構(gòu)建風(fēng)格特征通道注意力模塊,即SCIA模塊;
其中,SCIA模塊包含SP模塊、CI模塊以及激活單元;
其中,SP模塊即風(fēng)格感知模塊,包括全局平均池化、全局標(biāo)準(zhǔn)差池化和拼接單元,用于提取X光安檢圖像的風(fēng)格特征;CI模塊即跨通道交互模塊,包括兩個(gè)一維卷積,將SP模塊提取出的風(fēng)格特征轉(zhuǎn)化成通道權(quán)重以增強(qiáng)違禁品特征;
步驟4:構(gòu)建基于SCIA模塊的特征金字塔網(wǎng)絡(luò),即SCIA-FPN;
其中,SCIA-FPN包括ResNet殘差網(wǎng)絡(luò)、特征金字塔網(wǎng)絡(luò)以及4個(gè)SCIA模塊;
步驟5:將步驟2得到的增強(qiáng)訓(xùn)練集里的X光安檢圖像輸入步驟4中構(gòu)建好的SCIA-FPN,進(jìn)行特征圖提取,輸出違禁品特征增強(qiáng)且包含多尺度信息的特征圖;
步驟5包含如下子步驟:
步驟5.1:將X光安檢圖像輸入ResNet殘差網(wǎng)絡(luò),通過(guò)conv1和conv2_x得到特征圖C2;
步驟5.2:將特征圖C2通過(guò)一個(gè)SCIA模塊,輸出違禁品特征增強(qiáng)的特征圖D2;
步驟5.3:將特征圖D2通過(guò)conv3_x得到特征圖C3;
步驟5.4:將特征圖C3通過(guò)一個(gè)SCIA模塊,輸出違禁品特征增強(qiáng)的特征圖D3;
步驟5.5:將特征圖D3通過(guò)conv4_x得到特征圖C4;
步驟5.6:將特征圖C4通過(guò)一個(gè)SCIA模塊,輸出違禁品特征增強(qiáng)的特征圖D4;
步驟5.7:將特征圖D4通過(guò)conv5_x得到特征圖C5;
步驟5.8:將特征圖C5通過(guò)一個(gè)SCIA模塊,輸出違禁品特征增強(qiáng)的特征圖D5;
步驟5.9:將特征圖D2、D3、D4、D5輸入特征金字塔網(wǎng)絡(luò),輸出違禁品特征增強(qiáng)且包含多尺度信息的特征圖P2、P3、P4、P5;
步驟6:將步驟5的輸出特征圖P2、P3、P4、P5輸入RPN網(wǎng)絡(luò),輸出預(yù)測(cè)框;
步驟7:將步驟6的預(yù)測(cè)框和步驟5的特征圖P2、P3、P4、P5輸入ROI池化層,輸出池化后的特征圖;
步驟8:將池化后的特征圖輸入分類回歸網(wǎng)絡(luò);
至此,步驟2至步驟8構(gòu)成了X光安檢圖像違禁品檢測(cè)訓(xùn)練階段的操作;
步驟9:重復(fù)步驟2至步驟8進(jìn)行多次模型訓(xùn)練,保存訓(xùn)練好的違禁品檢測(cè)模型;
步驟10:輸入步驟1中的測(cè)試集,測(cè)試步驟9保存的違禁品檢測(cè)模型,獲取測(cè)試結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于風(fēng)格特征通道注意力的X光安檢圖像違禁品檢測(cè)方法,其特征在于:步驟1的X光安檢圖像數(shù)據(jù)集從公開(kāi)網(wǎng)站中下載,并將數(shù)據(jù)集的比例劃分為K:(10-K)。
3.根據(jù)權(quán)利要求2所述的基于風(fēng)格特征通道注意力的X光安檢圖像違禁品檢測(cè)方法,其特征在于:數(shù)據(jù)集中包含X光安檢圖像和每張圖像對(duì)應(yīng)的標(biāo)記文件,標(biāo)記文件里有每張圖像中違禁品的位置信息和類別信息。
4.根據(jù)權(quán)利要求3所述的基于風(fēng)格特征通道注意力的X光安檢圖像違禁品檢測(cè)方法,其特征在于:K的取值范圍大于等于6小于等于9。
5.根據(jù)權(quán)利要求4所述的基于風(fēng)格特征通道注意力的X光安檢圖像違禁品檢測(cè)方法,其特征在于:步驟2中,數(shù)據(jù)增強(qiáng)處理是水平翻轉(zhuǎn)圖像,打亂處理指打亂訓(xùn)練集中X光安檢圖像的順序。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京理工大學(xué),未經(jīng)北京理工大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買(mǎi)此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110941143.2/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書(shū)寫(xiě)字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫(huà)組成的,而且每個(gè)筆畫(huà)表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 圖像風(fēng)格化重建的方法和裝置
- 風(fēng)格化輸入圖像
- 圖像風(fēng)格遷移方法、裝置和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 終端應(yīng)用風(fēng)格切換、控制方法、顯示終端、服務(wù)器及系統(tǒng)
- 圖片風(fēng)格轉(zhuǎn)換方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)
- 一種面向視頻的非均勻風(fēng)格遷移方法
- 一種面向圖像的非均勻風(fēng)格遷移方法
- 圖像處理方法、遷移模型訓(xùn)練方法、裝置、介質(zhì)及設(shè)備
- 一種進(jìn)風(fēng)格柵及空調(diào)器
- 一種基于風(fēng)格與內(nèi)容解耦的圖像風(fēng)格遷移方法





