YOLO算法在安检异常图像中的研究

• 作者: 张震 李孟州 李浩方
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 可疑物检测 YOLO算法 Dense-YOLO算法 K-means算法 多尺度训练
• 年，卷（期）: 2020,（21）
• 所属期刊栏目: 图形图像处理
• 页码范围: 187-193
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1910-0087

摘要

在人口密集场所中,安检是保证公共安全的重要手段.针对人工安检在遇到客流高峰或突发情况时,安检的效率和准确率易受到影响且存在安全隐患的问题,基于YOLO算法,提出了一种改进的Dense-YOLO目标检测算法.通过借鉴稠密网络中特征融合方式改进网络结构;采用改进的K-means算法对自制异常图像数据集进行目标框维度聚类;将卷积层中的卷积和批量归一化进行整合,提升计算效率;采用多尺度训练方式,增强模型对不同尺寸的鲁棒性.实验结果表明,利用改进后的Dense-YOLO算法提升了对小目标的检测,针对安检中可疑物进行检测,mAP达到了91.68％,检测速度提高到59 f/s.改进后的算法有效提升了安检的效率和准确率,一定程度上消除安全隐患.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张震		87	476	11.0	17.0
2	李浩方		1	0	0.0	0.0
3	李孟州		1	0	0.0	0.0