Concealed object detection from millimeter wave images based on DSA-BCNN

doi:10.13741/j.cnki.11-1879/o4.2021.02.010

您当前的位置：

首页 >

文章列表页 >

Concealed object detection from millimeter wave images based on DSA-BCNN

更新时间：2025-09-01

- Concealed object detection from millimeter wave images based on DSA-BCNN
- Vol. 47, Issue 2, Pages: 178-186(2021)
- 作者机构：
  
  1. 1:上海理工大学光电信息与计算机工程学院
  2. 2:上海第二工业大学文理学部
  3. 3:擎翌(上海)智能科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.02.010
  CLC：
- Published：2021
- 稿件说明：
移动端阅览
Concealed object detection from millimeter wave images based on DSA-BCNN[J]. 2021, 47(2): 178-186.
DOI：

Concealed object detection from millimeter wave images based on DSA-BCNN[J]. 2021, 47(2): 178-186. DOI： 10.13741/j.cnki.11-1879/o4.2021.02.010.

摘要

自动检测毫米波图像中被检人员是否携带隐藏物

是实现智能毫米波安检系统的重要技术之一。针对隐藏物在毫米波图像中的特征局部性和低辨识性问题

提出一种动态自注意力的双线性卷积神经网络

能够仅以图像级标签训练

实现图像中隐藏物的存在检测。引入自注意力机制以引导网络对隐藏物区域进行特征提取

增强网络刻画全局信息的能力;双线性池化构建的二阶特征丰富了网络对隐藏物与非检测区域的细微差异表征。实验结果验证了所提出方法对隐藏物检测的有效性

在各项评价指标上均高于其他基于卷积神经网络的方法

准确率达到93.6%。

Abstract

关键词

Keywords

references

Views

135

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Brain image registration method based on low-resolution auxiliary features and convolutional neural network

Surface defect detection of polarizer based on improved Faster-RCNN

Denoising process for image impulse noise based on dual-channel neural networks

Visible/Near infrared spectroscopy modeling of soil nitrogen content based on PSO-CNN

Related Author

康拥朝

刘浩

皮伟强

杨红艳

毕玉革

张锡鹏

王远军

薛湛琦

Related Institution

1:内蒙古农业大学机电学院

1:上海理工大学医学影像工程研究所

2:苏州市智能测控工程技术研究中心

1:苏州科技大学电子与信息工程学院

1:江苏商贸职业学院电子与信息学院

⁰