吳素雪

（廣東第二師范學(xué)院物理與信息工程學(xué)院，廣州 510303）

0 引言

隨著經(jīng)濟(jì)發(fā)展和貿(mào)易往來的日益頻繁，我國(guó)在重要交通樞紐和人員密集的公共場(chǎng)所對(duì)旅客及其行李實(shí)施安全檢查，維護(hù)公共場(chǎng)所的安全和秩序，保證國(guó)民人身安全和財(cái)產(chǎn)安全。目前，行李安全檢查主要是依賴安檢員對(duì)經(jīng)過X光安檢機(jī)生成的偽彩色圖像進(jìn)行判讀和識(shí)別。面對(duì)客流高峰和高速通行矛盾問題，容易導(dǎo)致疲勞和注意力下降等各種因素干擾，會(huì)造成可能存在的漏檢情況，使得安檢質(zhì)量難以得到保證。因此，尋求智能化、高效化的安檢X射線圖像違禁品檢測(cè)方法，實(shí)現(xiàn)違禁品的自動(dòng)識(shí)別和預(yù)警，更好地輔助安檢人員完成安檢工作，具有較高、較實(shí)用的研究意義［1-2］。

X射線圖像違禁品檢測(cè)主要任務(wù)是主動(dòng)識(shí)別違禁品的種類，同時(shí)在生成的偽彩色圖像中定位違禁品的位置。由于應(yīng)用場(chǎng)所的特殊性，X射線圖像違禁品檢測(cè)系統(tǒng)生成的偽彩色圖像有其自身特點(diǎn)，在安檢過程中待檢測(cè)物品隨機(jī)性和物品擺放隨意性，導(dǎo)致X射線圖像成像背景復(fù)雜，物品間存在嚴(yán)重重疊、遮擋現(xiàn)象和違禁品多尺度等問題，給違禁品檢測(cè)帶來了諸多挑戰(zhàn)。傳統(tǒng)的X射線圖像違禁品檢測(cè)算法大多存在處理步驟繁瑣，檢測(cè)的類目單一或較少，泛化能力較差，針對(duì)特定的場(chǎng)景等問題，難以滿足目前安檢檢測(cè)的任務(wù)需求。與傳統(tǒng)檢測(cè)算法相比，基于卷積神經(jīng)網(wǎng)絡(luò)的X射線安檢圖像違禁品檢測(cè)算法具有更高的準(zhǔn)確率和強(qiáng)大的泛化能力［3］。卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)提取特征能力和平移不變性，解決了人為設(shè)計(jì)特征提取器的繁瑣和復(fù)雜背景中目標(biāo)特征提取困難的問題，同時(shí)可以對(duì)區(qū)域特征進(jìn)行分類和邊框回歸，實(shí)現(xiàn)了對(duì)X射線安檢圖像違禁品目標(biāo)的端到端檢測(cè)。因此，基于卷積神經(jīng)網(wǎng)絡(luò)的X射線安檢圖像違禁品檢測(cè)是目前安檢領(lǐng)域的研究熱點(diǎn)和方向［4］。張友康等［5］在SSD框架的基礎(chǔ)上，提出了適用于X光安檢圖像非對(duì)稱卷積多視野神經(jīng)網(wǎng)絡(luò)ACMNet，在公開的數(shù)據(jù)集與自建的數(shù)據(jù)集上，精確度取得了令人滿意的效果。穆思奇等［6］提出一種空洞密集卷積模塊來增強(qiáng)特征表達(dá)能力和卷積視野，加入注意力機(jī)制來增強(qiáng)有效特征和抑制無效特征，得到較好了檢測(cè)效果。

安檢是一個(gè)兼顧檢測(cè)精度和效率的過程，本文基于一階段YOLOv5網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)，對(duì)其進(jìn)行改進(jìn)以進(jìn)一步適用于安檢圖像違禁品目標(biāo)檢測(cè)場(chǎng)景中。實(shí)驗(yàn)結(jié)果表明，本文算法得到較好的檢測(cè)效果，同時(shí)兼顧了檢測(cè)精度和檢測(cè)速度。

1 YOLOv5檢測(cè)模型

卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法主要分為兩大類：一類是基于候選區(qū)域的兩階段算法；另一類是一階段的目標(biāo)檢測(cè)算法。一階段的目標(biāo)檢測(cè)直接對(duì)輸入圖像進(jìn)行一次處理就能夠得到目標(biāo)物體的類別與位置信息，不使用區(qū)域生成算法生成候選框，兼顧了較高的檢測(cè)精度的同時(shí)，極大地提高了檢測(cè)速度。YOLOv5屬于一階段YOLO系列［7］中較新的目標(biāo)檢測(cè)算法，其具有輕量級(jí)模型大小及精度高等優(yōu)點(diǎn)，如圖1所示。

圖1 YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)

由圖1可知，YOLOv5網(wǎng)絡(luò)結(jié)構(gòu)主要由主干網(wǎng)絡(luò)、瓶頸層和預(yù)測(cè)層構(gòu)成。主干網(wǎng)絡(luò)主要用于對(duì)輸入圖像進(jìn)行特征提取，與YOLOv1-4相比，YOLOv5對(duì)輸入的圖片進(jìn)行了Focus切片操作，可以看作是一個(gè)特殊的下采樣操作，減少參數(shù)計(jì)算。每個(gè)CBS模塊由一個(gè)卷積層、標(biāo)準(zhǔn)化層和激活函數(shù)組成，其中激活函數(shù)引入了SiLU激活函數(shù)，其在深層模型上的效果優(yōu)于ReLU激活函數(shù)。在主干網(wǎng)絡(luò)中獲取了三個(gè)有效特征層進(jìn)行下一步網(wǎng)絡(luò)的構(gòu)建。

瓶頸層主要用于對(duì)來自主干網(wǎng)絡(luò)的特征進(jìn)行加強(qiáng)處理。瓶頸層主要包括了特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)（Feature Pyramid Network，F(xiàn)PN）和路徑聚合網(wǎng)絡(luò)結(jié)構(gòu)（Path Aggregation Network，PAN）兩部分。FPN結(jié)構(gòu)采用自上而下的方式對(duì)獲得的有效特征層進(jìn)行特征信息融合，而PAN結(jié)構(gòu)采用自底向上路徑增強(qiáng)的方式進(jìn)行特征信息融合。瓶頸層對(duì)主干網(wǎng)絡(luò)中的有效特征進(jìn)行不同尺度的特征融合，使其同時(shí)具有深層的語義信息和淺層的紋理信息，有利于下一步對(duì)目標(biāo)的分類和定位預(yù)測(cè)。

預(yù)測(cè)層主要用于對(duì)目標(biāo)的分類與回歸。通過主干網(wǎng)絡(luò)和瓶頸層，已獲得三個(gè)加強(qiáng)過的有效特征層，每一個(gè)特征層都有寬、高和通道數(shù)，預(yù)測(cè)層判斷每一個(gè)特征層是否有目標(biāo)與其對(duì)應(yīng)，分類和回歸在一個(gè)1×1卷積里實(shí)現(xiàn)。

相對(duì)眾多目標(biāo)檢測(cè)算法，YOLOv5算法在檢測(cè)速度和精度上都達(dá)到了較高的水平，但在遮擋目標(biāo)和小目標(biāo)檢測(cè)方面還有待改進(jìn)，因此本文選擇使用YOLOv5作為基礎(chǔ)算法，嵌入即插即用的模塊，從而得到更加適用于X射線安檢圖像目標(biāo)檢測(cè)算法。

2 改進(jìn)的X射線安檢圖像違禁品目標(biāo)檢測(cè)模型

針對(duì)X射線安檢圖像存在重疊遮擋和小尺度違禁品易造成漏檢誤檢的問題，本文引入了一種掩碼自注意力機(jī)制模塊［8］，增強(qiáng)網(wǎng)絡(luò)對(duì)全局特征關(guān)系的捕捉能力，在瓶頸層的有效特征層的輸出后和預(yù)測(cè)層輸入前嵌入掩碼自注意力機(jī)制模塊，如圖2所示。該模塊分別對(duì)大、中、小三種尺寸的特征圖進(jìn)行掩碼自注意力操作，完成多尺度違禁品的檢測(cè)，提高算法的檢測(cè)精度。此外，改進(jìn)了YOLOv5的類別損失函數(shù)，引用Quality Focal Loss（QFL）損失函數(shù)，有效地緩解了一階段目標(biāo)檢測(cè)問題中類別不均衡問題。

圖2 嵌入掩碼自注意力

2.1 掩碼自注意力機(jī)制模塊

掩碼自注意力機(jī)制利用并行查詢從輸入特征向量中提取到不同子空間進(jìn)行相關(guān)程度的獲取，其結(jié)構(gòu)如圖3所示。

圖3 掩碼自注意力機(jī)制結(jié)構(gòu)

在圖3中，輸入特征圖X與卷積核WQ、WK、WV相乘分別生成查詢向量矩陣Q、鍵向量矩陣K、值向量矩陣V，即Q=XWQ,K=XWK,V=XWV。通過縮放點(diǎn)積對(duì)查詢向量矩陣Q與鍵向量矩陣K做內(nèi)積運(yùn)算，然后用Softmax激活函數(shù)做歸一化得到注意力得分，其數(shù)學(xué)表達(dá)式定義如式（1），對(duì)獲取的注意力得分進(jìn)行掩碼計(jì)算，最后再與值向量矩陣V相乘得到自注意力的輸出。掩碼自注意力模塊的輸出由公式（1）給出：

2.2 損失函數(shù)

在一階段的目標(biāo)檢測(cè)算法中，輸入X射線安檢圖像產(chǎn)生的候選框中，只有很少一部分包含著待檢測(cè)的目標(biāo)，正負(fù)樣本數(shù)據(jù)不均衡，造成了類別不均衡問題。此外，由于待檢測(cè)物品的隨機(jī)擺放性和X射線安檢偽彩色圖像的特點(diǎn)，當(dāng)待檢測(cè)違禁品目標(biāo)集中時(shí)，它們的候選框之間的交叉和重疊現(xiàn)象會(huì)有所增加，訓(xùn)練和推理之間的誤差缺口也會(huì)相應(yīng)變大，分類和定位精度容易受到影響。因此，本文使用QFL損失函數(shù)替代YOLOv5中的類別損失函數(shù)，可降低大量簡(jiǎn)單負(fù)樣本在訓(xùn)練中所占權(quán)重。QFL損失函數(shù)的數(shù)學(xué)表達(dá)式定義如下：

其中，y是平滑后的0～1標(biāo)簽，σ為預(yù)測(cè)結(jié)果。β選取1.5。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

本實(shí)驗(yàn)使用的硬件環(huán)境為：Intel（R）Core（TM）i7-8750H CPU@2.20GHz處理器，Nvidia GeForce GTX 1070 8GB顯卡，16 G內(nèi)存。軟件環(huán)境為：操作系統(tǒng)Windows10，加速環(huán)境CUDA10.1，編程語言Python3.7，深度學(xué)習(xí)框架Pytorch1.7。

網(wǎng)絡(luò)模型訓(xùn)練階段，將總迭代周期設(shè)置為300，采用mosaic數(shù)據(jù)增強(qiáng)，輸入圖像尺寸大小為640×640，迭代批次大小值為8，初始化學(xué)習(xí)率為0.001，動(dòng)量因子為0.9。

3.2 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)指標(biāo)

為了驗(yàn)證本文算法的有效性，選擇在公開SIXray數(shù)據(jù)集上進(jìn)行算法驗(yàn)證［9］。該數(shù)據(jù)集含有槍、刀、鉗子、扳手、剪刀共5種違禁品類別，該數(shù)據(jù)集由實(shí)際安檢場(chǎng)所拍攝，集中目標(biāo)物體堆放隨機(jī)性相當(dāng)大，圖像中背景復(fù)雜且其中物體存在嚴(yán)重的重疊和遮擋，能較好地反映安檢實(shí)際情況。圖像數(shù)據(jù)集按照7∶3的比例劃分為訓(xùn)練集和測(cè)試集。

本文采用目標(biāo)檢測(cè)算法中常用的評(píng)價(jià)體系進(jìn)行算法評(píng)估，包括召回率R（recall）、精準(zhǔn)率P（precision）、平均精準(zhǔn)度AP（average precision）和均 值 平 均精 度mAP（mean average precision），F(xiàn)PS定義為模型1 s內(nèi)檢測(cè)的圖像數(shù)，該指標(biāo)反映模型在平臺(tái)上的檢測(cè)速度，F(xiàn)PS越高，檢測(cè)速度越快。各標(biāo)準(zhǔn)的具體公式如下：

其中，TP、FP、FN分別表示檢測(cè)中真正例、假正例、假反例的數(shù)量，Psmooth(r)表示平滑的P-R曲線，K表示類別數(shù)。

3.3 實(shí)驗(yàn)結(jié)果與實(shí)驗(yàn)分析

為了驗(yàn)證本文算法的性能，在X射線安檢圖像測(cè)試集上進(jìn)行了實(shí)驗(yàn)，結(jié)果顯示mAP和FPS性能結(jié)果分別為82.23%和19 ms，驗(yàn)證了本文算法的有效性。進(jìn)一步將本文算法在X射線安檢圖像測(cè)試集上進(jìn)行檢測(cè)可視化，部分檢測(cè)可視化結(jié)果如圖4所示。

圖4可視化了本文算法X射線安檢圖像檢測(cè)結(jié)果，其中數(shù)字為目標(biāo)的置信度。由圖4可以看出，在X射線安檢圖像場(chǎng)景中本文算法具有較高的檢測(cè)精度和較好的檢測(cè)效果，能夠準(zhǔn)確檢測(cè)多個(gè)相互遮擋違禁品目標(biāo)，在復(fù)雜背景紋理與違禁品目標(biāo)紋理相互重疊的情況下也能檢測(cè)出違禁品目標(biāo)，同時(shí)對(duì)分辨率較低且特征信息不明顯的小目標(biāo)也有較好的檢測(cè)效果。

4 結(jié)語

為提高X射線安檢圖像中不同違禁品檢測(cè)的性能，本文在YOLOv5基礎(chǔ)上引入掩碼自注意力機(jī)制模塊和QFL損失函數(shù)。通過在瓶頸層輸出后和預(yù)測(cè)層輸入前嵌入即插即用的掩碼自注意力機(jī)制模塊，增強(qiáng)了網(wǎng)絡(luò)對(duì)全局特征關(guān)系的捕捉能力；加入QFL損失函數(shù)有效地降低了因正負(fù)樣本數(shù)據(jù)不均衡造成的較低檢測(cè)精準(zhǔn)度。實(shí)驗(yàn)證明了改進(jìn)后的網(wǎng)絡(luò)模型在SIXray數(shù)據(jù)集上的mAP達(dá)到了82.23%，單幀檢測(cè)速度為19 ms，能夠滿足安檢環(huán)境中的檢測(cè)需求。