[1] GIRSHICK R，DONAHUE J，DARRELL T，et al.用于精确对象检测和语义分割的丰富特征层次[C]//2014 IEEE计算机视觉和模式识别会议论文集，2014:580-587。
[2] REN S，HE K，GIRSHICK R，等.快速R-CNN：面向区域提议网络的实时目标检测[J]。IEEE模式分析和机器智能汇刊，2017，39（6）：1137-1149。
[3] 刘伟，安格洛夫D，埃尔罕D，等.SSD:单次多盒探测器[C]//第十四届欧洲计算机视觉会议论文集。查姆：斯普林格，2016:21-37。
[4] REDMON J，FARHADI A.YOLO9000:更好、更快、更强[C]//2017年IEEE计算机视觉和模式识别会议论文集，2017:7263-7271。
[5] 雷德蒙J，FARHADI A.Yolov3：渐进式改进[J]。arXiv:1804.027672018年。
[6] BOCHKOVSKIY A，WANG C Y，LIAO H.YOLOv4:目标检测的最佳速度和精度[C]//2020年IEEE计算机视觉和模式识别会议论文集，2020年。
[7] JOCHER G、CHAURASIA A等。YOLOv5[EB/OL]。[2023-06-08]. https://github.com/ultralytics/yolov5。
[8] 郭瑞鸿, 张莉, 杨莹, 等.基于改进固态硬盘X光图像管制刀具检测与识别[J] ●●●●。激光与光电子学进展, 2021, 58(4): 65-72.
郭荣华，张磊，杨毅，等。基于改进SSD的X射线图像控制刀检测与识别[J]。激光与光电子进展，2021，58（4）：65-72。
[9] 吴海滨, 魏喜盈, 刘美红, 等.结合空洞卷积和迁移学习改进YOLOv4®X光安检危险品检测[J] .中国，2021，14（6）：1417-1425。
WU H B，WEI X Y，LIU M H，等。X中危险品检测的改进YOLOv4？射线检测与atrous卷积和转移学习相结合[J]。中国光学，2021，14（6）：1417-1425。
[10] 穆思奇, 林进健, 汪海泉, 等.基于改进YOLOv4®X射线图像违禁品检测算法[J] 《新闻报道》，2021，42（12）：2675-2683。
MU S Q，LIN J J，WANG H Q，等.基于改进YOLOv4的X射线图像中违禁物检测算法[J]。《军备学报》，2021，42（12）：2675-2683。
[11] 董乙杉, 李兆鑫, 郭靖圆, 等.一种改进YOLOv5®X光违禁品检测模型[J] ●●●●。激光与光电子学进展, 2023, 60(4): 359-366.
董永生，李振新，郭建英，等.X射线禁用物检测的改进YOLOv5模型[J]。激光与光电子进展，2023，60（4）：359-366。
[12] 李文强, 陈莉, 谢旭, 等.改进YOLOv5®X光图像违禁品检测算法[J] ●●●●。计算机工程与应用, 2023, 59(16): 170-176.
李伟强，陈磊，谢X，等.基于改进YOLOv5的X射线图像中违禁物检测算法[J]。计算机工程与应用，2023,59（16）：170-176。
[13] 赵振兵, 王帆帆, 刘良帅, 等.基于注意力特征融合YOLOv5公司模型的无人机输电线路航拍图像金具检测方法[J] .2023年，60（3）：145-152。
赵志斌，王发发，刘立斯，等.基于注意特征融合YOLOv5模型的无人机传输线航空图像硬件检测方法[J]。电气测量与仪表，2023，60（3）：145-152。
[14] 胡皓, 郭放, 刘钊.改进YOLOX-S公司模型的施工场景目标检测[J] ●●●●。计算机科学与探索, 2023, 17(5): 1089-1101.
胡慧，郭峰，刘忠.基于改进YOLOX-S模型的建筑工地目标检测[J]。计算机科学与技术前沿杂志，2023，17（5）：1089-1101。
[15] 粟兴旺, 王晓明, 黄金玻, 等.基于可变形卷积与注意力机制的X（X）光安检违禁品检测[J] ●●●●。电子测量技术, 2023, 46(10): 98-108.
苏晓伟，王晓明，黄建斌，等.基于变形卷积和注意机制的X射线安检违禁品检测[J]。电子测量技术，2023，46（10）：98-108。
[16] 孙嘉傲, 董乙杉, 郭靖圆, 等. 自适应与多尺度特征融合的X和[J]。计算机工程与应用, 2024, 60(2): 96-102.
孙建安，董永生，郭建英，等.基于自适应多尺度特征融合的X射线违禁品检测[J]。计算机工程与应用，2024，60（2）：96-102。
[17] 张良, 薛志诚.基于自适应多尺度特征融合的X光禁厝垆[J/OL].INFO[2023-09-09].https://kns-cnki-net.webvpn.las.ac.cn/kcms/detail/11.2406.tn.20230831.1616。
004.html。
张磊，薛振中。基于自适应多尺度特征融合的X射线违禁品检测[J/OL]。信号处理杂志[2023-09-09]。https://kns-cnki-net.webvpn.las.ac.cn/kcms/detail/11.2406.tn.20230831.1616.004.html。
[18] 李松, 亚森江·木沙.改进YOLOv7®X射线图像违禁品实时检测[J] ●●●●。计算机工程与应用, 2023, 59(12): 193-200.
李斯，亚森江M.改进的YOLOv7 X射线图像违禁品实时检测[J]。计算机工程与应用，2023,59（12）：193-200。
[19] 成浪, 敬超.基于改进YOLOv7®X线图像旋转目标检测[J] ●●●●。图学学报, 2023, 44(2): 324-334.
程磊，京C.基于改进YOLOv7的X射线图像旋转目标检测[J]。《图形学杂志》，2023，44（2）：324-334。
[20] 陈杰，考思，贺赫，等。跑，不要走：追求更高的失败率以获得更快的神经网络[J]。arXiv:2303。03667, 2023.
[21]张庆乐，杨永斌SA-Net：深度卷积神经网络的转移注意力[C]//2021年IEEE声学、语音和信号处理国际会议论文集，2021:2235-2239。
[22]YANG L，ZHANG Y，LI L，et al.SimAM：卷积神经网络的一种简单、无参数的注意模块[C]//第38届国际机器学习会议论文集，2021:11863-11874。
[23]ZHU X Z，HU H，LIN S，et al.Deformable ConvNets v2:more Deformable，better results[C]//2019 IEEE/CVF Conferences on Computer Vision and Pattern Recognition，2019:9308-9316.可变形Conv2：可变形性更强，结果更好[C]//2019 IEEE/CVF计算机视觉与模式识别会议论文集。
[24]戴晓英，陈永平，肖波，等.动态头部：统一目标探测头与注意[C]//2021 IEEE/CVF计算机视觉与模式识别会议论文集，2021:7369-7378。
[25]陈永平，戴晓英，刘敏川，等.动态ReLU[J]。arXiv:2003.100272020年。
[26]赵C，朱莉，窦S，等.利用标签机制检测X射线安全图像中的重叠物体[J]。IEEE信息取证与安全汇刊，2022年，17:998-1009。 |
