公共运输中X光违禁品检测对公共安全起到至关重要的作用,检测精度低会导致公共安全事故,检测速度慢会引发安检通道堵塞等问题,为了在检测精度和检测速度之间达到平衡,提出了使用结构重参数化与任务对齐的检测模型.首先使用对硬件友好的结构重参数化网络作为骨干网络,降低网络的计算复杂度,提高网络的推理速度.其次使用任务对齐检测头,使网络在进行分类和定位任务时可以联合训练,增强对抗前后景噪声干扰的能力.最后采用TSIoU作为损失函数,增强分类和定位任务之间的交互,降低损失函数的自由度,提高损失度的稳定性.在HiXray数据集上进行实验,结果表明,改进之后模型与基线模型YOLOv7相比,数据集中存在的前后景复杂问题得到明显改善,且mAP@0.5和mAP@0.5∶0.95达到了84.1%、46.1%,相比于基准模型提升了1.8%和1.5%,FPS从原有的76帧提升85帧.提出的新网络与当前主流目标检测网络相比,具有较优的检测精度与实时性.
万方数据
维普
