基于DSA-BCNN的毫米波图像隐藏物检测

您当前的位置：

首页 >

文章列表页 >

光学测量 | 更新时间：2025-09-01

- 基于DSA-BCNN的毫米波图像隐藏物检测
- Concealed object detection from millimeter wave images based on DSA-BCNN
- 光学技术 2021年47卷第2期页码：178-186
- 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：
  
  国家自然科学基金面上项目(61673276)
- DOI：10.13741/j.cnki.11-1879/o4.2021.02.010
  中图分类号：
- 纸质出版：2021
- 稿件说明：
移动端阅览
胡川飞, 王永雄, 李冬, 等. 基于DSA-BCNN的毫米波图像隐藏物检测[J]. 光学技术, 2021,47(2):178-186.

Concealed object detection from millimeter wave images based on DSA-BCNN[J]. 2021, 47(2): 178-186.
胡川飞, 王永雄, 李冬, 等. 基于DSA-BCNN的毫米波图像隐藏物检测[J]. 光学技术, 2021,47(2):178-186. DOI： 10.13741/j.cnki.11-1879/o4.2021.02.010.

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.

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%。

浏览量

135

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于高光谱遥感的荒漠化草原草种类分类模型研究

基于低分辨率辅助特征和卷积神经网络的脑部图像配准方法

基于改进Faster-RCNN的偏光片表面缺陷检测

基于双通道神经网络的图像脉冲噪声降噪

基于PSO-CNN的土壤氮含量可见/近红外光谱建模