基于改进YOLOv3-Tiny的毫米波图像目标检测

来源：电子测量技术杂志2021年第21期北京时间：

作者：陈国平，彭之玲，黄超意，管 春

单位：重庆邮电大学 光电工程学院 重庆 400065

摘要：毫米波是一种不具有电离辐射的电磁波，其能够穿透绝缘衣物布料和对人体无害的特性使得毫米波在人体安检领域有着巨大的发展前景。将深度学习方法运用至毫米波图像目标检测领域，提出一种基于改进YOLOv3-Tiny的毫米波图像目标检测方法。首先，在特征提取网络中增加卷积层提升网络深度，并增加至3个不同尺度的预测层加强对毫米波图像目标的检测能力；然后，在FPN特征金字塔(feature pyramid network)中引入CBAM注意力机制(convolutional block attention module)，使网络更关注毫米波图像中待测目标的特征，忽略背景噪声冗余的特征。结果表明：改进后的网络平均准确率可达93.4%，单帧检测速度为15ms，模型参数仅为38.7M，为毫米波安检系统高精度、小型化的研究提供了参考价值。

关键词：毫米波图像; 目标检测; 注意力机制; YOLOv3-Tiny

基金资助：国家自然科学基金(61671091)项目资助