公开(公告)号：CN117058606A

公开(公告)日：2023-11-14

申请号：CN202310981239.0

申请日：2023-08-04

Applicant: 无锡学院

Inventor： 裴晓芳 ,  马昌嵩 ,  柏雪 ,  周进 ,  杨继海 ,  张昊睿

IPC: G06V20/50 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种X射线图像违禁品检测方法，属于深度学习以及图像目标检测的技术领域；本发明通过改进特征金字塔网络，利用反向加权特征融合架构改善现有的全局双向融合路径以及等权重的传统拼接方式，弥合了不同层级特征之间的差距，更加高效地融合多尺度特征，有效避免了混叠效应；本发明还添加了多尺度场景感知模块，通过一个可学习的全局上下文权重向量来调制多尺度上下文特征，感知复杂场景下丰富的上下文信息，以有效应对显著的类内变化；并且本发明构建新的损失函数，该损失函数使用边长和角度作为惩罚项，并使用聚焦平衡函数改善高质量预测框在边界框优化过程中贡献较低问题，从而有利于目标边界框回归。

公开(公告)号：CN117058606B

公开(公告)日：2024-12-03

申请号：CN202310981239.0

申请日：2023-08-04

Applicant: 无锡学院

Inventor： 裴晓芳 ,  马昌嵩 ,  柏雪 ,  周进 ,  杨继海 ,  张昊睿

IPC: G06V20/50 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种X射线图像违禁品检测方法，属于深度学习以及图像目标检测的技术领域；本发明通过改进特征金字塔网络，利用反向加权特征融合架构改善现有的全局双向融合路径以及等权重的传统拼接方式，弥合了不同层级特征之间的差距，更加高效地融合多尺度特征，有效避免了混叠效应；本发明还添加了多尺度场景感知模块，通过一个可学习的全局上下文权重向量来调制多尺度上下文特征，感知复杂场景下丰富的上下文信息，以有效应对显著的类内变化；并且本发明构建新的损失函数，该损失函数使用边长和角度作为惩罚项，并使用聚焦平衡函数改善高质量预测框在边界框优化过程中贡献较低问题，从而有利于目标边界框回归。