基于改进YOLOv5的X光违禁品检测算法

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：曾泓翔, 文志诚

单位：湖南工业大学 计算机学院，湖南 株洲 412007

摘要：针对安检X光图像的违禁品检测效率问题以及小尺寸违禁品的漏检误检问题，提出了一种基于改进YOLOv5的X光违禁品检测算法。该算法引入了ProFPN的结构，能够在FPN+PAN的基础上增加原始特征信息，提高检测精度；相比于原始YOLOv5增加了一层160×160的小目标检测层，使之拥有四尺度的特征融合，提高对小尺寸目标的学习能力；使用k-means++算法重新生成锚框尺寸，使之更加适合自制数据集的目标框大小，提高检测效率；采用了EIOU Loss作为回归损失函数，使目标框和锚框的宽高差异最小化，进一步提高检测框的定位精度和收敛速度。实验结果表明，改进后的算法在公开X光安检数据集上相比于原始YOLOv5算法mAP@0.5提高了4.7个百分点；相比于其他主流的目标检测算法，在参数量和运算量最小的情况下mAP@0.5最多提高了28.6个百分点，同样具有一定的优越性。

关键词：深度学习,YOLOv5算法,X光违禁品检测,ProFPN,k-means++,EIOU Loss