基于小样本学习的X光图像违禁物品识别

• 作者: 邢琛聪 吕淑静 吕岳
• 来源期刊: 电子测量与仪器学报
• 关键词: 违禁品检测 X光图像 图像分割 小样本学习 度量学习
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 学术论文|PAPERS
• 页码范围: 204-210
• 页数: 7页
• 分类号: TP183|TN919.81
• 语种: 中文
• DOI: 10.13382/j.jemi.B2003471

摘要

自动X光安检是维护公共安全的重要手段.现有X光违禁物品识别的研究仅针对数据集包含的类别,不能直接应用于未参与训练的类别.数据集各类别的数量不平衡也会影响模型的性能.针对以上问题,提出一种基于小样本学习的X光图像违禁物品分割方法.模型首先将测试图像与标注的支持图像映射至相同的特征空间,然后度量图像间的像素级相似度与区域级相似度,最后根据特征相似度分割测试图像内违禁物品区域.针对不定数量的支持集图片,采取基于卷积化门控循环单元的操作,将测试图像与不同支持图像的相似度信息融合.实验结果表明,模型在单张标注图像支持集(l-shot)和5张标注图像支持集(5-shot)情况下的准确率相比现有最优方法分别提高2.0％和2.2％,进一步证明模型具有扩展至新类别的能力.