注意力机制下X光安检违禁品图像区域分割

• 作 者: 徐茂书
• 出 处: 中国民航大学
• 发表日期: 2019年01期
• 关键词: X光安检图像 违禁品 注意力机制 卷积神经网络 图像分割

近年来,违禁品自动检测技术一直是计算机视觉领域的研究热点。不同于常见的目标检测任务,X光安检图像违禁品检测需要对违禁品图像区域进行分割定位,进而协助安检人员制定决策。基于卷积神经网络的图像分割模型过分依赖于有监督训练,从而增加了其在安检图像违禁物品分割中的应用局限性。鉴于注意力模型的弱监督学习特性,本文提出了一种注意力机制下的X光安检违禁品图像区域分割方法。具体研究内容如下:1)建立了基于安检违禁品图像的注意力模型。通过卷积神经网络获取图像的语义信息,并引入了one-hot数据标注和新的损失函数,以减少多目标情况下的漏检率。然后,利用注意力回传链路将语义信息映射到图像空间,得到可对违禁品目标进行标注的注意力图。2)提出了结合对比注意力和侧抑制的神经元抑制方法。利用对比注意力消除注意图中的非目标干扰,利用相邻神经元互相抑制的机制去除注意力图中的噪声,并增强注意力图中显著性区域。3)引入并结合注意力图改进了两种图像分割算法:简单线性迭代聚类(Simple Linear Iterative Cluster,SLIC)和Grab Cut算法。通过实验评估了两种算法对不同类别违禁品图像的处理速度和分割精度。实验结果表明,本文提出的方法可有效地完成对多种安检违禁品图像的分割任务。其处理速度和分割精确度都可以满足实际情况下的安检需求。