基于混合注意力和任务对齐的违禁品检测
朱鹏
三峡大学计算机与信息学院 湖北 宜昌 443002
摘要：为解决X光安检中物品检测精度较低、易误检和漏检的问题,提出一种基于混合注意力和任务对齐的多尺度特征融合检测网络——TAFNet.该算法在TOOD模型基础上进行了改进.首先,在主干网络中引入混合注意力模块,将坐标、通道和空间三种注意力机制的信息融合,提升网络的特征表达能力;其次,在网络尾部引入SPPCSPC模块,以提取多尺度特征并为遮挡区域提供全局上下文信息;最后,设计多尺度特征融合金字塔,对高维语义信息进行解码,并与低维特征进行多尺度融合,生成丰富语义和细节信息的特征图,从而提升网络的尺度感知能力.在SIXray数据集上进行实验,结果表明,该方法的平均检测精度分别达到了 92.59%,较原始算法提高了 3.99%,并优于多种现有先进算法,为X光违禁物品检测提供了一种高效且可靠的解决方案.
关键词：违禁物品检测注意力机制任务对齐特征解码多尺度特征融合
论文发表日期：2025-05-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 50-53 )