基于YOLOv5的毫米波图像目标检测方法研究

摘要

毫米波成像技术是安全检查领域中的新兴方向,研究符合此应用场景的目标检测算法并提升相应的检测速度与检测准确率,具有很高的应用意义和价值.本文提出了一种基于YOLOv5深度学习模型的实时目标检测算法,用来检测安检人员身上隐匿的违禁品,该方法采用GIOU_Loss损失函数,提升了衡量检测框相交的能力.此外,对网络结构进行了一定的优化和改进,同时增加了毫米波数据增强预处理功能,用以加速函数收敛,从而形成了针对毫米波图像进行物品检测的深度神经网络[1],以提高目标检测效果.实验结果表明,该方法能够有效地检测毫米波图像中的危险品,具备自动识别和实时检测的优势.