令狐蓉

（山西工程職業(yè)學(xué)院交通工程系，山西 太原 030001）

隨著社會(huì)的不斷發(fā)展，城市軌道交通在人們生活中占據(jù)著越來(lái)越重要的作用。據(jù)統(tǒng)計(jì)，廣州地鐵客運(yùn)量排在全國(guó)首位，2022 年達(dá)到231 874 萬(wàn)人。面對(duì)如此巨大的客運(yùn)量，安檢的自動(dòng)化、實(shí)時(shí)性、高準(zhǔn)確率是很有必要的[1]。

傳統(tǒng)的目標(biāo)檢測(cè)算法面對(duì)背景龐雜、行李亂放、違禁品多種多樣等情況，能力不足，難以滿(mǎn)足客運(yùn)的要求。2012 年，Alex Krizhevsky 等[2]設(shè)計(jì)的AlexNet 在ImageNet 挑戰(zhàn)賽上奪得冠軍，大幅提升了圖像分類(lèi)的準(zhǔn)確度，深度學(xué)習(xí)重新迎來(lái)春天，開(kāi)始在各個(gè)領(lǐng)域開(kāi)花結(jié)果，但在安檢領(lǐng)域的應(yīng)用相對(duì)較少。YOLO 系列[3]是目標(biāo)檢測(cè)領(lǐng)域知名度最高的算法，其憑借出色的實(shí)時(shí)檢測(cè)性，在不同的領(lǐng)域均有廣泛應(yīng)用。YOLO 系列算法將問(wèn)題概括為一個(gè)回歸問(wèn)題，一次完成，是一種端對(duì)端的卷積神經(jīng)網(wǎng)絡(luò)。本文選擇YOLOv5m 算法來(lái)進(jìn)行安檢違禁品識(shí)別，并增加置換注意力（Shuffle Attention，SA）模塊[4]，以提高檢測(cè)準(zhǔn)確率。

1 YOLOv5 算法

YOLOv5 算法主要包含Input（輸入端）、Backbone（主干網(wǎng)絡(luò)）、Neck（多尺度特征融合網(wǎng)絡(luò)）和Prediction（檢測(cè)頭）[5]。Input 部分是行李經(jīng)過(guò)X 射線(xiàn)安檢后采集到的圖像；Backbone 部分包含多種卷積、池化、歸一化、激活函數(shù)等操作，主要是進(jìn)行圖像的特征提??；Neck 部分主要是進(jìn)行多尺度特征融合，增加主干特征的可接受性，豐富上下文信息；Prediction 部分采用分類(lèi)、定位、置信度共3 個(gè)分支，用于獲取目標(biāo)的類(lèi)別、位置和置信度。

YOLOv5m 算法結(jié)構(gòu)見(jiàn)圖1。Backbone 主要由CBS（Conv+BatchNorm+SiLU）、跨階段局部（Cross Stage Partial，CSP）、共享壓縮分析森林（Shared Packed Parse Forest，SPPF）結(jié)構(gòu)組成，CBS 由卷積、歸一化、SiLU 激活函數(shù)構(gòu)成。Backbone 采用的是帶有殘差（Res）組件的CSP1 結(jié)構(gòu)。Neck 包括特征金字塔網(wǎng)絡(luò)（Feature Pyramid Networks，F(xiàn)PN）和路徑聚合網(wǎng)絡(luò)（Path Aggregation Network，PAN）結(jié)構(gòu)設(shè)計(jì)，采用的是不帶Res 組件的CSP2結(jié)構(gòu)。目標(biāo)檢測(cè)任務(wù)的損失函數(shù)由分類(lèi)損失、定位損失和置信度損失的加權(quán)得到。在訓(xùn)練過(guò)程中，輸入圖像采用Mosaic 數(shù)據(jù)增強(qiáng)、自適應(yīng)錨框計(jì)算、自適應(yīng)圖片縮放等方式，提高了模型的泛化能力，減少了計(jì)算量。

圖1 YOLOv5m 算法結(jié)構(gòu)圖

2 YOLOv5 算法的改進(jìn)

南京大學(xué)楊育彬教授等提出SA 模塊[4]，高效地結(jié)合這兩種注意力機(jī)制，并引入了特征分組與通道置換，得到了一種超輕量型的注意力機(jī)制。

SA 模塊結(jié)構(gòu)見(jiàn)圖2，它采用置換單元，高效組合上述兩種類(lèi)型的注意力機(jī)制。首先將輸入沿著通道維度拆分為多組，然后對(duì)每一組特征詞用置換單元刻畫(huà)特征在空間和通道兩個(gè)維度上的依賴(lài)性，最后所有特征進(jìn)行集成并通過(guò)通道置換操作進(jìn)行組件特征合并[6]。

圖2 SA 模塊結(jié)構(gòu)圖

本文將SA 模塊嵌入到Prediction 部分之前，即在CSP2 和Conv 之間添加，改進(jìn)后的YOLOv5m 算法的Prediction 部分結(jié)構(gòu)見(jiàn)圖3。

圖3 改進(jìn)后的YOLOv5m 算法的Prediction 部分結(jié)構(gòu)圖

3 實(shí)驗(yàn)結(jié)果與分析

3.1 數(shù)據(jù)集

本文采用趙才榮教授公開(kāi)的刀具和液體容器X射線(xiàn)（Cutters and Liquid Containers X-ray，CLCXray）數(shù)據(jù)集[7]。CLCXray 數(shù)據(jù)集包含9 565 張X 射線(xiàn)安檢圖像，包括5 種刀具和7 種液體容器，共有12個(gè)類(lèi)別。5 種刀具包括刀片、匕首、刀、剪刀、瑞士軍刀，7 種液體容器包括易拉罐、紙盒飲料、玻璃瓶、塑料瓶、真空杯、噴罐、錫罐。

3.2 評(píng)價(jià)指標(biāo)

本文采用mAP50∶95和mAP50作為算法模型的評(píng)價(jià)指標(biāo)，平均精度均值（mean Average Precision，mAP）是準(zhǔn)確率-召回率（Precision-Recall，P-R）曲線(xiàn)下的面積。

1）mAP50∶95。在不同閾值（從0.5 到0.95，步長(zhǎng)0.05）下的mAP。

2）mAP50。計(jì)算每一類(lèi)別的交并比（Intersection over Union，IoU）設(shè)為0.5 時(shí)的平均精度（Average Precision，AP），對(duì)所有類(lèi)別的AP 求平均值。

3.3 實(shí)驗(yàn)結(jié)果

YOLOv5m 算法模型的性能及其加入SA 模塊后的YOLOv5m 算法模型的性能實(shí)驗(yàn)結(jié)果見(jiàn)表1，同時(shí)與趙才榮教授團(tuán)隊(duì)提出的ATSS 模型的性能進(jìn)行對(duì)比。

表1 不同算法模型的性能對(duì)比

從表1 中可以看出，YOLOv5m 算法模型比ATSS+LAreg 算法模型和ATSS+LAcls 算法模型在mAP50∶95上分別提升了2 個(gè)百分點(diǎn)和1.2 個(gè)百分點(diǎn)；而YOLOv5m 算法模型在添加SA 模塊后，mAP50∶95和mAP50分別提升了0.8 個(gè)百分點(diǎn)和1.2 個(gè)百分點(diǎn)。結(jié)果表明，基于SA 模塊改進(jìn)的YOLOv5m 算法模型在CLCXray 數(shù)據(jù)集中的違禁品檢測(cè)識(shí)別中有一定的優(yōu)越性。圖4 為檢測(cè)識(shí)別效果圖。

圖4 檢測(cè)識(shí)別效果圖

4 結(jié)論

針對(duì)城市軌道交通X 射線(xiàn)安檢違禁品的檢測(cè)識(shí)別，本文在YOLOv5m 算法基礎(chǔ)上，增加了SA 模塊，分別對(duì)空間和通道的特征進(jìn)行操作，經(jīng)過(guò)在CLCXray 數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)驗(yàn)證，結(jié)果表明改進(jìn)后的算法能顯著提高檢測(cè)識(shí)別精度。但是改進(jìn)后的算法在易拉罐、玻璃瓶、噴罐等類(lèi)別上的檢測(cè)識(shí)別效果不理想，下一步研究可以圍繞易拉罐、玻璃瓶、噴罐3 個(gè)類(lèi)別的圖像進(jìn)行改進(jìn)。