改进YOLOv8的安检违禁物品检测
作者机构:太原科技大学电子信息工程学院
出 版 物:《控制工程》 (Control Engineering of China)
年 卷 期:2024年
学科分类:12[管理学] 03[法学] 030611[法学-警卫学] 08[工学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 030607[法学-国内安全保卫学] 0811[工学-控制科学与工程] 0306[法学-公安学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:山西省科技成果转化引导专项资助(202204021301059) 山西省重点研发计划项目(202102020101005)
主 题:YOLOv8 注意力机制 Focal-EIOU 违禁品检测
摘 要:为降低一线安检人员因注意力不集中而引发的公共安全风险,提出一种改进YOLOv8的安检违禁物品检测算法。该算法平衡了模型检测精度和尺寸。首先,采用Ghost Bottleneck模块替换主干网络中部分卷积层,用于降低模型参数量,提升对违禁物品特征信息的提取能力,并且使模型对待测物品的定位更加精准。其次,设计了坐标注意力(Coordinate attention,CA)与卷积(Conv)相结合的新模块CAConv来补偿深层网络对待检测物品定位能力的不足。最后,将原回归损失CIOU更换为Focal-EIOU,有效提升算法的回归性能。实验表明,改进后模型在PIDray数据集hidden验证集上mAP50达到79.0%,同时减少了模型尺寸。所设计模型性能明显优于目前其他主流检测算法,并能够有效检测出乘客故意在行李中隐藏的各类违禁物品。