[发明专利]一种X光安检图像违禁品检测方法、装置及终端设备

权利要求书

1.一种X光安检图像违禁品检测方法，其特征在于，包括：

将待测X光安检图像输入至含有可变形空洞卷积模块的弱监督网络模型中进行特征提取，获得第一特征图像；其中，所述第一特征图像中的特征属于预设的高度抽象类别特征；

对所述第一特征图像进行上采样操作和归一化操作，获得多组第二特征图像；其中，每组第二特征图像分别对应一组通道特征；

将所述多组第二特征图像分别转化为多组掩码信息，分别对多组掩码信息进行上采样操作后，分别与所述第一特征图像进行像素相乘融合，获得多组第三特征图像；将所述多组第三特征图像输入至CNN模型中，获得多组第一响应值；其中，每组第三特征图像分别对应每组第二特征图像；以及每组第一响应值分别对应每组第三特征图像；

根据所述多组第一响应值与所述多组第二特征图像，结合预设的加权求和算法，获得所述待测X光安检图像的可视化的违禁品区域。

2.根据权利要求1所述的X光安检图像违禁品检测方法，其特征在于，所述将待测X光安检图像输入至含有可变形空洞卷积模块的弱监督网络模型中进行特征提取，获得第一特征图像，具体为：

根据所述弱监督网络模型，获得待测X光安检图像的内容特征；

根据所述弱监督网络模型中的所述可变形空洞卷积模块，获得待测X光安检图像的外形特征和感受野；

根据所述内容特征、所述外形特征和所述感受野，获得所述第一特征图像。

3.根据权利要求2所述的X光安检图像违禁品检测方法，其特征在于，所述根据所述弱监督网络模型中的所述可变形空洞卷积模块，获得待测X光安检图像的外形特征和感受野，具体为：

所述可变形空洞卷积模块包括可变形卷积模块和空洞卷积模块；

根据所述可变形卷积模块，学习违禁品特征，获得待测X光安检图像的外形特征；其中，所述可变形卷积模块引入了调制机制；

根据所述空洞卷积模块，获得待测X光安检图像的感受野；其中，所述空洞卷积模块引入了膨胀率参数。

4.根据权利要求1所述的X光安检图像违禁品检测方法，其特征在于，所述对所述第一特征图像进行上采样操作和归一化操作，获得多组第二特征图像，具体为：

对所述第一特征图像进行通道遍历后，获得多组通道特征图像；

对所述多组通道特征图像分别进行上采样操作和归一化操作，获得所述多组第二特征图像。

5.根据权利要求1所述的X光安检图像违禁品检测方法，其特征在于，所述将所述多组第二特征图像分别转化为多组掩码信息，分别对多组掩码信息进行上采样操作后，分别与所述第一特征图像进行像素相乘融合，获得多组第三特征图像；将所述多组第三特征图像输入至CNN模型中，获得多组第一响应值，具体为：

将多组第二特征图像分别转化为掩码信息，并分别进行上采样操作后，分别与所述第一特征图像进行像素相乘融合，获得多组第三特征图像；

根据预设CNN模型，对所述多组第三特征图像分别计算目标类别得分，从而获得多组第一响应值。

6.根据权利要求1所述的X光安检图像违禁品检测方法，其特征在于，所述根据所述多组第一响应值与所述多组第二特征图像，结合预设的加权求和算法，获得所述待测X光安检图像的可视化的违禁品区域，具体为：

将每组第一响应值作为特征融合权重分别与对应的每组第二特征图像相乘，并将每组相乘的结果进行加和计算，获得类激活映射图；

根据所述类激活映射图，在所述待测X光安检图像中，标记出所述可视化的违禁品区域，同时给出标记的理由。

7.根据权利要求1所述的X光安检图像违禁品检测方法，其特征在于，在所述将待测X光安检图像输入至含有可变形空洞卷积模块的弱监督网络模型中进行特征提取之前，还包括：

将分类好的图片输入以ResNet50为主干网络的弱监督网络模型，进行多分类预测，获得分类权重；其中，所述弱监督网络模型包含可变形空洞卷积模块；

将所述分类权重输入所述弱监督网络模型中，以便于进行特征提取。