安检对于保护公共空间的安全非常重要。然而,大多数的安检任务主要依靠人力来完成,这就会带来漏检误检的问题。近年来,计算机视觉技术蓬勃发展,带动了各行各业的变革,因此可以尝试使用计算机视觉技术来辅助安检人员,实现安检的智能化。本文将安检的智能检测视为一个语义分割任务,搭建了安检违禁品语义分割网络。为了进一步提升网络的性能,我们将联合注意力嵌入了网络当中,并改进了上采样方式。具体研究内容如下:1)建立了针对安检违禁品的语义分割模型。使用Deeplab网络作为基础的网络框架,并将特征提取器换成了轻量化的网络,以保证模型的参数量不会太大。2)结合了通道注意力与空间注意力提高了分割网络性能。利用通道注意力给通道进行加权,利用空间注意力给空间进行加权,使网络关注重点信息同时忽略其他无关信息,提升网络的分割精度。3)引入联合金字塔上采样模块改进Deeplab网络结构。在上采样的过程中使用了低层次的语义信息。通过使用联合金字塔上采样模块,学习不同尺度的语义信息,使得特征融合的更加充分,进一步提高了分割精度。本文提出的安检违禁品语义分割方法不仅能够实现对违禁品的分类,还能够通过分割违禁品来实现对违禁品的定位,极大地方便了安检人员进行开包检查。从实验精度来看,这种方法能够实现较高的精度,是对安检智能化一次较为成功的探索。