论文部分内容阅读
针对X光安检机人工审核图片存在的效率低、误检和漏检等问题,设计并实现了一套基于Mask R-CNN算法的X光图片智能审像系统。实现了X光图像采集、数据汇聚、分析处理、违禁物品自动检测、数据存储等功能。通过分析比较,选择ResNet101作为BackBone训练网络,选取6000张X光图片作为样本,对刀、枪、液体瓶、手机、充电宝等五类违禁品进行标注。对训练参数优化调整,训练出违禁品的Mask R-CNN模型。在测试集上使用COCO评估方法,检出违禁品的平均精准率mAP50达到了0.83,明显高于Fas