[发明专利]一种基于GuidedAnchor优化的刀具图像智能检测方法

权利要求书

1.一种基于Guided Anchor优化的刀具图像图像智能检测方法，包括以下步骤：

1)采集安检X射线刀具图片，对每一安检X射线刀具图片制作对应的样本标签文件；

2)建立改进的深度学习网络模型；

3)将获得的所有安检X射线刀具图片及其对应的样本标注文件构成数据集，并将数据集随机划分为训练集和测试集；

4)对训练集进行数据增强；

5)利用训练集对深度学习网络模型进行初步训练，获得初步训练后的安检X射线刀具检测模型；

6)采用测试集测试初步训练后的安检X射线刀具检测模型的性能，根据测试结果调整训练参数与检测置信度阈值，优化处理后获得固化后的安检X射线刀具检测模型；

7)针对待测图像输入固化后的安检X射线刀具检测模型，输出获得检测结果。

2.根据权利要求1所述的一种基于Guided Anchor优化的刀具图像图像智能检测方法，其特征在于：所述的安检X射线刀具样本图片是装有刀具的包裹通过安检X射线机采集获得的图片。

3.根据权利要求1所述的一种基于Guided Anchor优化的刀具图像图像智能检测方法，其特征在于：所述步骤2)中，改进的深度学习网络模型具体是：以Guided Anchor替代Faster-RCNN中的RPN部分，以Double Head-RCNN代替Faster-RCNN的末端输出部分，建立深度学习网络模型；并且利用FPN特征金字塔网络将ResNet50网络框架模型的第二特征提取阶段到第五特征提取阶段输出进行插值融合产生特征图组，将特征图组输入到GuidedAnchor中。

4.根据权利要求1所述的一种基于Guided Anchor优化的刀具图像智能检测方法，其特征在于：所述步骤3)中对样本的划分具体是指取整个数据集的80％作为训练集，剩余的20％作为测试集。

5.根据权利要求1所述的一种基于Guided Anchor优化的刀具图像智能检测方法，其特征在于：所述步骤4)数据增强具体是对训练集中的安检X射线刀具样本图片进行随机翻转、随机亮度增强和颜色通道标准化的多方面的依次处理。

6.根据权利要求1所述的一种基于Guided Anchor优化的刀具图像智能检测方法，其特征在于：所述步骤5)中，将训练的图片统一缩放到相同大小，先采用ImageNet已知数据预训练ResNet50网络框架模型的参数，训练时的参数更新方式为SGD，初始学习率为0.02，动量项为0.9，权值衰减系数1×10-4，批训练大小为4，训练迭代次数30000次。