买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明涉及一种基于改进YOLOv5s的X光安检图像违禁物品检测方法，属于图像检测领域。该方法包括以下步骤：S1：建立基于重参数思想设计的Rep模块；S2：建立基于重参数的YOLOv5s违禁物品检测算法；S3：对颈部PAN进行改进。相对于传统的检测方法，本发明检测精度更高，更能够满足X光安检图像中违禁物品检测的实际应用需要。

主权项：1.基于改进YOLOv5s的X光安检图像违禁物品检测方法，其特征在于：该方法包括以下步骤：S1：建立基于重参数思想设计的Rep模块；S2：建立基于重参数的YOLOv5s违禁物品检测算法；S3：对YOLOv5s违禁物品检测算法中的颈部PAN进行改进；S4：利用改进后的YOLOv5s违禁物品检测算法对违禁物品进行检测；所述S1具体为：设构造的Rep模块参数如公式1所示，即两个平行卷积分支相加；Rep模块产生的信息流表示为y＝fx+gx，其中fx、gx分别是由3×3核和1×1核实现的卷积分支；Rep3×3＝3×3-BN+1×1-BN1对每个3×3卷积，在训练阶段给构造并行的1×1卷积分支，并各自经过归一化操作后相加；在推理阶段将1×1分支融合进3×3分支，得到一个3×3卷积分支，减去另一平行分支结构；在Rep模块构造的基础上，基于RepVGG的思想将多分支模块转为单分支；模型的转换是在训练完成后进行，包含如下两个步骤：①首先将每个分支中的卷积层、BN层进行融合；直接将卷积结果带入bn公式中，则输出表示为公式2： 其中，和分别表示表示3×3和1×1卷积层的卷积核，C1，C2代表输入、输出通道数；μ3,σ3,γ3,β3分别表示3×3卷积后BN层的累积均值、标准差、缩放因子和偏差项，μ1,σ1,γ1,β1对应1×1卷积后BN层的累积均值、标准差、缩放因子和偏差项；输入、输出分别表示为*代表卷积运算；将参数带入公式2，得到结果如公式3；其中，bn是推理阶段的批量标准化函数，i∈[1,C2]； 对公式3化简得到一个带有偏差项的卷积层；以{W',b'}形式表示{W,b,μ,σ,γ,β}转化后得到的卷积核和偏差项，则有： 对任意的i∈[1,C2]，有bnW*M,μ,σ,γ,β:,i,:,:＝W'*M:,i,:,:b′i；融合完成后得到一个3×3卷积核、一个1×1卷积核和两个偏差项；②对3×3卷积和1×1卷积进行融合，两个偏差项相加得到融合偏差项；将1×1卷积核用0填充为3×3卷积核后，再与原3×3卷积核相加，得到融合卷积核；设为两个卷积核，根据卷积的可加性原理，其相加结果表示为公式5；卷积核融合之后实现融合前的功能；Convx,W13+Convx,W23＝Convx,W13+W235所述S2具体为：将Rep结构引入YOLOv5s算法的主干网络，得到由一系列Rep模块和C3模块组成的升级主干网络；所述S3具体为：调整PAN结构，将SE模块插入PAN中上一检测层到下一检测层之间，得到升级PAN网络；其中Focus模块对图片进行切片操作，使其输入通道扩充4倍，即操作后的图片从原先的RGB三通道变成12个通道；经过卷积操作，得到没有信息丢失的二倍下采样特征图；Conv模块封装卷积层、BN层以及SiLU激活函数；SPP模块拼接不同尺寸的最大池化结果，实现局部特征和全局特征相融合；UpSample为上采样层，其内插值方法将图像放大到原来的2倍；检测头中的三个Conv[1,1]得到最终输出的特征图。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于改进YOLOv5s的X光安检图像违禁物品检测方法