用多视图融合罗网络对毫米波图像进行可疑物体检测

科学领域:

• 计算机视觉 计算机视觉
• 医疗成像医学成像
• 安全技术 安全技术

背景情况:

• 毫米波 (MMW) 成像被用于公共安全,因为隐私和安全的好处.
• 在MMW图像中检测小,低分辨率和反射弱的可疑物体存在重大挑战.

研究的目的:

• 为MMW图像开发一个强大的可疑物体检测模型.
• 解决现有方法的局限性,需要完整的训练数据集与准确的注释.

主要方法:

• 采用语网络方法,集成姿势估计和图像细分.
• 人类图像被细分成对称的身体部位,以学习部分之间的相似性.
• 多视图MMW图像使用决策级和特征级策略与注意力机制进行融合,以减轻从受限视野中错误检测的可能性.

主要成果:

• 测量MMW图像的实验结果显示了有利的检测准确性.
• 拟议的模型在实际应用中表现出有效的性能,显示出良好的检测速度.

结论:

• 开发的基于罗网络的探测器有效地解决了MMW可疑物体检测方面的挑战.
• 姿势估计,细分和多视图融合策略的整合证明了在现实场景中增强检测能力的有效性.