应用Crowd-YOLOv3算法实现包裹中限制品检测OA
鉴于在目前安检过程中,安检设备的X光图像中包裹内物品排布密集、交叉重叠等情况导致安检效率低下的问题,文中提出采用Crowd-YOLOv3算法解决实现包裹中限制品的检测.该算法在主干网络和检测器间嵌入优化的FPN模型,将网络的上下级语义信息融合,提升了算法的检测性能;在结构损失函数上,该算法引入IoG来判定限制品的重叠程度,提升了算法对密集、重叠限制品的检测效果;实验数据通过网络传送.实验结果表明,Crowd-YOLOv3算法有效提升了安检设备对限…查看全部>>
张莹;朱晨;杨国亮
江西理工大学电气工程与自动化学院,江西赣州 341000江西理工大学电气工程与自动化学院,江西赣州 341000江西理工大学电气工程与自动化学院,江西赣州 341000
信息技术与安全科学
目标检测特征金字塔结构X光图片安检YOLOv3FPN模型
《物联网技术》 2020 (12)
基于人工情感模型与机器学习的球磨机智能控制研究
18-19,2
国家自然科学基金(51365017)江西省研究生创新专项资金资助项目(YC2018-S328)
评论