摘要 : 为解决基于X光的卷烟检测存在的预测精度低和主观性强的问题,介绍一种改进的YOLOv5算法,并将其应用到基于X光的卷烟目标检测中;该方法将YOLOv5的骨干网络进行改动,增添卷积块注意力模块(Convolutional Block Attention Module,CBAM);CBAM是一个用于前... 展开 为解决基于X光的卷烟检测存在的预测精度低和主观性强的问题,介绍一种改进的YOLOv5算法,并将其应用到基于X光的卷烟目标检测中;该方法将YOLOv5的骨干网络进行改动,增添卷积块注意力模块(Convolutional Block Attention Module,CBAM);CBAM是一个用于前馈卷积神经网络的简单而有效的注意力模块,能够沿着通道和空间两个单独的维度依次推断注意映射;然后,通过将注意力映射乘以输入特征映射,进行自适应特征细化;最后,将该方法应用某地区卷烟X光的测试数据;试验结果表明:该模型拥有更好的预测精度,为卷烟X光检测提供了一种新思路. 收起