基于改进YOLOv3-Tiny的毫米波图像目标检测

• 作者: 陈国平 彭之玲 黄超意 管春
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 毫米波图像 目标检测 注意力机制 YOLOv3-Tiny
• 年，卷（期）: 2021,（21）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 163-167
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2107258

摘要

毫米波是一种不具有电离辐射的电磁波,其能够穿透绝缘衣物布料和对人体无害的特性使得毫米波在人体安检领域有着巨大的发展前景.将深度学习方法运用至毫米波图像目标检测领域,提出一种基于改进YOLOv3-Tiny的毫米波图像目标检测方法.首先,在特征提取网络中增加卷积层提升网络深度,并增加至3个不同尺度的预测层加强对毫米波图像目标的检测能力;然后,在特征金字塔(FPN)中引入注意力机制(CBAM),使网络更关注毫米波图像中待测目标的特征,忽略背景噪声冗余的特征.结果 表明,改进后的网络平均准确率可达93.4％,单帧检测速度为15 ms,模型参数仅为38.7M,为毫米波安检系统高精度、小型化的研究提供了参考价值.