采用深度卷积神经网络方法的毫米波图像目标检测

• 作者: 周围 王璐 程秋菊 陈国平 黄超意
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 安全检查 毫米波图像 目标检测 深度卷积神经网络 FasterR-CNN
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 1121-1126
• 页数: 6页
• 分类号: TN959.1
• 字数: 3201字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2019.10.002

摘要

通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品.该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络.为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试.实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94％,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王璐	重庆邮电大学光电工程学院	11	8	2.0	2.0
2	周围	重庆邮电大学光电工程学院	96	326	9.0	13.0
3	陈国平	重庆邮电大学光电工程学院	23	138	3.0	11.0
4	程秋菊	重庆邮电大学光电工程学院	4	0	0.0	0.0
5	黄超意	重庆邮电大学光电工程学院	2	0	0.0	0.0