[发明专利]基于卷积神经网络的X光安检图像中违禁品自动检测方法

权利要求书

1.一种基于卷积神经网络的X光安检图像中违禁品自动检测方法，其特征在于：所述的基于卷积神经网络的X光安检图像中违禁品自动检测方法包括按顺序进行的下列步骤：

1)构建包括数据集A和数据集B的安检图像数据集，其中数据集A中包含训练集和测试集；

2)在FSSD网络基础上增加了语义丰富模块和残差模块，由此构建成X光安检图像违禁品检测网络；

3)首先利用步骤1)中获得的数据集B中的违禁品图像训练步骤2)中构建的X光安检图像违禁品检测网络，然后将经数据集B训练好的网络权重加载到X光安检图像违禁品检测网络中，之后利用数据集A中的训练集继续训练X光安检图像违禁品检测网络，最后利用数据集A中的测试集测试X光安检图像违禁品检测网络的性能；

4)X光安检图像违禁品检测网络的性能测试合格后，在该网络中输入任意一张待检测的X光安检图像，该网络输出的检测结果图中能够自动对其中的违禁品进行正确分类和精准定位；

在步骤2)中，所述的在FSSD网络基础上增加了语义丰富模块和残差模块，由此构建成X光安检图像违禁品检测网络的方法是：

以FSSD网络作为X光安检图像违禁品检测网络的基础检测网络；在上述FSSD网络生成的低层特征图上增加了语义丰富模块；低层特征图为用于拼接的第一层特征图；首先将低层特征图输入到语义丰富模块中，然后利用空洞卷积层对输入的低层特征图进行特征提取，得到语义信息丰富的特征图，最后，将生成的语义信息丰富的特征图与输入的低层特征图进行点乘操作得到最后的输出特征图；输出特征图与低层特征图具有相同的维度并且输出特征图将代替输入的低层特征图进行特征图拼接；

假设X∈R^C×H×W为输入的低层特征图，Y∈R^C×H×W为输入的低层特征图经过空洞卷积后生成的语义信息丰富的特征图：

Y＝H(X)∈R^C×H×W (1)

语义信息丰富的特征图Y与输入的低层特征图X进行点乘操作得到最后的输出特征图Z，即：

Z＝X⊙Y (2)

特征图拼接完成之后，在FSSD网络的基础上添加了的卷积层和捷径连接来构成残差模块。

2.根据权利要求1所述的基于卷积神经网络的X光安检图像中违禁品自动检测方法，其特征在于：在步骤1)中，所述的构建包括数据集A和数据集B的安检图像数据集，其中数据集A中包含训练集和测试集的方法是：

利用X光安检机采集多张包含违禁品的行李的X光安检图像，选择了六类违禁品，分别为：移动电源、打火机、叉子、刀子、手枪和剪刀，由这些X光安检图像构成数据集A；数据集A中的X光安检图像分为简单图像和复杂图像两种，简单图像的特点为背景复杂，只包含一个违禁品；复杂图像的特点为背景复杂，且同时包含两到三个违禁品；所有X光安检图像的大小均为300*300像素；然后在数据集A中分别随机抽取75％的简单图像和75％的复杂图像作为训练集，其余25％的复杂图像作为测试集；

数据集B中包含多张用于训练X光安检图像违禁品检测网络的违禁品图像，每张违禁品图像只包含违禁品，没有复杂背景，其中的所有违禁品都是利用图像预处理方法从上述采集的多张X光安检图像中提取出来的，违禁品图像的大小也均为300*300像素；最后将数据集A和数据集B中的违禁品利用labelImg标注工具进行标记，得到违禁品的先验信息。