[发明专利]基于机器学习的安检图像违禁品检测方法、系统及介质

权利要求书

1.一种基于机器学习的安检图像违禁品检测方法，其特征在于，具体包括以下步骤：

获取预设数量的X射线安检图像，形成数据集；所述数据集包括多种违禁品的X射线安检图像；

将所述数据集输入违禁品分割模型进行模型训练，得到训练后的违禁品分割模型；所述违禁品分割模型包括编码器网络、全局多尺度模块以及解码器网络；

将待检测安检图像输入所述训练后的违禁品分割模型，得到违禁品检测结果；所述违禁品检测结果包括违禁品分割结果；

其中，所述将所述数据集输入违禁品分割模型进行模型训练，得到训练后的违禁品分割模型，具体包括以下步骤：

将所述数据集的图像进行违禁品分割形式标注，并通过所述违禁品分割形式标注求解得到违禁品最小外接矩形标注和违禁品边缘标注；

获取数据集中随机划分的训练集图像以及相应标注信息；

对所述训练集图像进行图像预处理，得到预处理图像；

将所述预处理图像输入所述违禁品分割模型的编码器网络、全局多尺度模块以及解码器网络，得到解码特征图；

将所述解码特征图分别输入三个卷积层，得到违禁品分割输出结果、违禁品最小外接矩形输出结果以及违禁品边缘输出结果；

计算所述违禁品分割输出结果、违禁品最小外接矩形输出结果以及违禁品边缘输出结果，与所述违禁品分割形式标注、违禁品最小外接矩形标注和违禁品边缘标注之间的损失，通过随机梯度下降优化算法对模型参数进行优化；

重复以上步骤，直至所述违禁品分割模型收敛为止，得到训练后的违禁品分割模型；

其中，所述将所述预处理图像输入所述违禁品分割模型的编码器网络、全局多尺度模块以及解码器网络，得到解码特征图，具体包括以下步骤：

将所述预处理图像输入所述编码器网络进行特征提取，得到不同层级的编码特征图；

将所述不同层级的编码特征图的最后一个层级的编码特征图，输入至所述全局多尺度模块，提取全局特征和多尺度特征，得到全局多尺度特征图；

将所述全局多尺度特征图和所述不同层级的编码特征图输入所述解码器的网络，解码得到不同层级的解码特征图；

根据所述不同层级的解码特征图，依次通过双线性插值的上采样方式、级联融合方式、解码特征图精细化和/或解码特征图降维，得到最终的解码特征图；

其中，所述计算所述违禁品分割输出结果、违禁品最小外接矩形输出结果以及违禁品边缘输出结果，与所述违禁品分割形式标注、违禁品最小外接矩形标注和违禁品边缘标注之间的损失，通过随机梯度下降优化算法对模型参数进行优化，具体包括以下步骤：

根据所述违禁品分割输出结果和违禁品分割形式标注信息之间的交叉熵损失和Dice损失，相加之和得到分割损失；

根据所述违禁品最小外接矩形输出结果和违禁品最小外接矩形标注信息之间的交叉熵损失和Dice损失，相加之和得到最小外接矩形损失；

根据所述违禁品边缘输出结果和违禁品边缘标注信息之间的交叉熵损失，得到边缘损失；

根据所述分割损失、最小外接矩形损失以及边缘损失，相加之和得到总损失；

根据所述总损失，调整所述违禁品分割模型的参数，直至所述违禁品分割模型收敛。

2.根据权利要求1所述的安检图像违禁品检测方法，其特征在于，所述对所述训练集图像进行图像预处理，得到预处理图像，所述图像预处理具体包括图像翻转、图像旋转以及图像拼接。

3.根据权利要求1-2任一项所述的安检图像违禁品检测方法，其特征在于，所述违禁品分割模型的编码器为SE_ResNeXt50编码器，通过所述SE_ResNeXt50编码器得到五个不同层级的特征图。