改进YOLOv7的X射线图像违禁品实时检测

作     者：李松 亚森江·木沙 

作者机构：新疆大学智能制造现代产业学院 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2023年

核心收录：

学科分类：070207[理学-光学] 07[理学] 08[工学] 080203[工学-机械设计及理论] 0837[工学-安全科学与工程] 0802[工学-机械工程] 0803[工学-光学工程] 0702[理学-物理学] 

基　　金：新疆维吾尔自治区教育厅自然科学基金项目(XJEDU2017M009) 新疆大学自然科学基金项目(BS180264) 

主　　题：X射线图像 违禁品检测 注意力机制 额外分类器 

摘      要：交通入口处X光违禁品检测对公共安全至关重要，为了达到违禁品检测精度和速度均衡，对YOLOv7算法进行改进。首先增加了一个由低层、高分辨率的特征图生成的检测头，提高对小目标物体敏感度。其次在YOLOv7的Backbone末尾增加轻量级MobileNetViTv3 block，用于捕获全局信息，帮助网络在高密度场景中精准定位。并设计出一种MPCA模块用于弥补深层卷积定位信息的不足。最后在测试阶段引入一个额外的分类器，进一步提高网络的分类能力。改进后的模型在3种安检违禁品数据集SiXary、HiXary、CLCXray进行测试，mAP分别达到了94.9%、77.3%、86.1%。结果表明，所提出的模型能够有效提高YOLOv7的检测复杂违禁品的能力，同时保持较快的检测速度，与当前主流算法相比，具有一定的先进性。