一个轻量级的多尺度检测框架X射线图像与监督的对比学习

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 安全技术 安全技术

背景情况:

• 自动化X射线安全检查面临着封闭和小物体的挑战.
• 现有的物体探测器在X射线图像中扎着密集的遮蔽和混乱的背景.
• 有限的计算资源阻碍了当前检测系统的现实应用.

研究的目的:

• 为X射线安全检查开发一种轻量级和有区别的多尺度物体检测框架.
• 提高在具有挑战性的条件下识别禁止物品的准确性和效率.
• 加强对象检测在安全查中的实际应用.

主要方法:

• 拟议的YOLOv8-DWConv-CSAF框架整合了架构压缩,注意力引导的功能增强和对比的表示学习.
• 用深度可分离卷曲 (DWConv) 取代标准卷曲,以减少参数和计算成本.
• 引入了一个新的通道空间注意力融合 (CSAF) 模块和混合损失函数 (PIoU + InfoNCE对比损失).

主要成果:

• 在CLCXray和HiXray基准测试中,YOLOv8-DWConv-CSAF实现了最先进的性能.
• 该模型展示了高精度与实时效率相结合的高精度.
• 通过DWConv集成实现了参数和计算成本的显著降低.

结论:

• 拟议的YOLOv8-DWConv-CSAF框架非常适合用于实际的安全查系统.
• 该方法有效地解决了X射线图像中小型,重叠和严重遮蔽物体的挑战.
• 实现了强大的通用化能力,以加强安全检查.