[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] REDMON J,FARHADI A.Yolov3:一种渐进的改进[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]。制图杂志,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 XZ,HU H,LIN S,et al.可变形卷积v2:变形越多,结果越好[C]//2019年IEEE/CFF计算机视觉和模式识别会议论文集,2019:9308-9316。 [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。 |