改进Faster R-CNN方法的太赫兹图像小尺度物体检测

作者：肖飞; 沈韬; 曾凯

来源：小型微型计算机系统, 2021, 1-8.

• 太赫兹图像
• 小尺度物体检测
• Double-RPN方法
• 自适应损失函数

随着世界性反恐举措的加强，隐匿在人体衣物、箱包中的小尺度危险物体如手枪、管制刀具等的检测越发重要。本文首先将非局部均值滤波方法和边缘增强方法结合，用以增强太赫兹人体安检图像质量。然后基于Faster R-CNN方法，提出了一种Double-RPN方法，该方法解决了主网络（以VGG16为例）在进行特征提取时，深层卷积池化操作引发信息流失从而导致小尺度物体检测准确率下降的问题。最后针对Double-RPN方法提出自适应损失函数，用以增强对困难样本的训练，并在主网络一致的前提下对该自适应损失函数进行消融实验分析。实验结果表明，本文提出的改进方法在手机和刀两类小尺度物体上较未改进之前检测准确率分别提升7.5%、4.7%，平均检测准确率提升4.06%。

• 出版日期2021-5-24
• 单位昆明理工大学; 自动化学院