采用深度卷积神经网络方法的毫米波图像目标检测

TN959.1; 通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品.该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络.为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试.实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94％,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值....

Full description

Saved in:
Bibliographic Details
Published in:电讯技术 2019, Vol.59 (10), p.1121-1126
Main Authors: 陈国平, 程秋菊, 黄超意, 周围, 王璐
Format: Article
Language:Chinese
Online Access:Get full text
Tags: Add Tag
No Tags, Be the first to tag this record!
cited_by
cites
container_end_page 1126
container_issue 10
container_start_page 1121
container_title 电讯技术
container_volume 59
creator 陈国平
程秋菊
黄超意
周围
王璐
description TN959.1; 通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品.该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络.为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试.实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94％,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值.
doi_str_mv 10.3969/j.issn.1001-893x.2019.10.002
format article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_dianxjs201910002</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>dianxjs201910002</wanfj_id><sourcerecordid>dianxjs201910002</sourcerecordid><originalsourceid>FETCH-wanfang_journals_dianxjs2019100023</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1LWwNK7QMzIwtARy9QwMjFgYOGHiERwMvMXFmUkGRsZmJmYmFoacDE4v29ufT1nxbPvGp7uWPe3d_nz5-udL5z3f3f9878Tnu-c8m7bz2eapz2e1PFu_-vnGzc82L3o6e9_T5v7ns9c9W9D-bHHDs63dPAysaYk5xam8UJqbQcPNNcTZQ7c8MS8tMS89Piu_tCgPKBOfkpmYV5FVDHIc0ElAV5CgFAAH613P</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>采用深度卷积神经网络方法的毫米波图像目标检测</title><source>EBSCOhost Business Source Ultimate</source><creator>陈国平 ; 程秋菊 ; 黄超意 ; 周围 ; 王璐</creator><creatorcontrib>陈国平 ; 程秋菊 ; 黄超意 ; 周围 ; 王璐</creatorcontrib><description>TN959.1; 通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品.该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络.为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试.实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94％,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值.</description><identifier>ISSN: 1001-893X</identifier><identifier>DOI: 10.3969/j.issn.1001-893x.2019.10.002</identifier><language>chi</language><publisher>重庆邮电大学 光电工程学院,重庆,400065</publisher><ispartof>电讯技术, 2019, Vol.59 (10), p.1121-1126</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/dianxjs/dianxjs.jpg</thumbnail><link.rule.ids>314,776,780,4010,27900,27901,27902</link.rule.ids></links><search><creatorcontrib>陈国平</creatorcontrib><creatorcontrib>程秋菊</creatorcontrib><creatorcontrib>黄超意</creatorcontrib><creatorcontrib>周围</creatorcontrib><creatorcontrib>王璐</creatorcontrib><title>采用深度卷积神经网络方法的毫米波图像目标检测</title><title>电讯技术</title><description>TN959.1; 通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品.该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络.为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试.实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94％,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值.</description><issn>1001-893X</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2019</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDAw1LWwNK7QMzIwtARy9QwMjFgYOGHiERwMvMXFmUkGRsZmJmYmFoacDE4v29ufT1nxbPvGp7uWPe3d_nz5-udL5z3f3f9878Tnu-c8m7bz2eapz2e1PFu_-vnGzc82L3o6e9_T5v7ns9c9W9D-bHHDs63dPAysaYk5xam8UJqbQcPNNcTZQ7c8MS8tMS89Piu_tCgPKBOfkpmYV5FVDHIc0ElAV5CgFAAH613P</recordid><startdate>2019</startdate><enddate>2019</enddate><creator>陈国平</creator><creator>程秋菊</creator><creator>黄超意</creator><creator>周围</creator><creator>王璐</creator><general>重庆邮电大学 光电工程学院,重庆,400065</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2019</creationdate><title>采用深度卷积神经网络方法的毫米波图像目标检测</title><author>陈国平 ; 程秋菊 ; 黄超意 ; 周围 ; 王璐</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_dianxjs2019100023</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2019</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>陈国平</creatorcontrib><creatorcontrib>程秋菊</creatorcontrib><creatorcontrib>黄超意</creatorcontrib><creatorcontrib>周围</creatorcontrib><creatorcontrib>王璐</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电讯技术</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>陈国平</au><au>程秋菊</au><au>黄超意</au><au>周围</au><au>王璐</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>采用深度卷积神经网络方法的毫米波图像目标检测</atitle><jtitle>电讯技术</jtitle><date>2019</date><risdate>2019</risdate><volume>59</volume><issue>10</issue><spage>1121</spage><epage>1126</epage><pages>1121-1126</pages><issn>1001-893X</issn><abstract>TN959.1; 通过收集大量的毫米波图像并建立相应的人体数据集进行检测,提出基于Faster R-CNN深度学习的方法检测隐藏于人体上的危险物品.该方法将区域建议网络和VGG19训练卷积神经网络模型相结合,构建了面向毫米波图像目标检测的深度卷积神经网络.为了提高毫米波图像的处理能力,采用Caffe深度学习框架在图形处理单元上进行训练和测试.实验结果证明了基于Faster R-CNN深度卷积神经网络的目标检测方法能有效检测毫米波图像中的危险物品,并且目标检测的平均准确率约94％,检测速度约为6 frame/s,对毫米波安检系统的智能化发展有着极其重要的参考价值.</abstract><pub>重庆邮电大学 光电工程学院,重庆,400065</pub><doi>10.3969/j.issn.1001-893x.2019.10.002</doi></addata></record>
fulltext fulltext
identifier ISSN: 1001-893X
ispartof 电讯技术, 2019, Vol.59 (10), p.1121-1126
issn 1001-893X
language chi
recordid cdi_wanfang_journals_dianxjs201910002
source EBSCOhost Business Source Ultimate
title 采用深度卷积神经网络方法的毫米波图像目标检测
url http://sfxeu10.hosted.exlibrisgroup.com/loughborough?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-02-12T16%3A38%3A18IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E9%87%87%E7%94%A8%E6%B7%B1%E5%BA%A6%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E6%96%B9%E6%B3%95%E7%9A%84%E6%AF%AB%E7%B1%B3%E6%B3%A2%E5%9B%BE%E5%83%8F%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B&rft.jtitle=%E7%94%B5%E8%AE%AF%E6%8A%80%E6%9C%AF&rft.au=%E9%99%88%E5%9B%BD%E5%B9%B3&rft.date=2019&rft.volume=59&rft.issue=10&rft.spage=1121&rft.epage=1126&rft.pages=1121-1126&rft.issn=1001-893X&rft_id=info:doi/10.3969/j.issn.1001-893x.2019.10.002&rft_dat=%3Cwanfang_jour%3Edianxjs201910002%3C/wanfang_jour%3E%3Cgrp_id%3Ecdi_FETCH-wanfang_journals_dianxjs2019100023%3C/grp_id%3E%3Coa%3E%3C/oa%3E%3Curl%3E%3C/url%3E&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=dianxjs201910002&rfr_iscdi=true