公开(公告)号：CN109544563B

公开(公告)日：2021-08-17

申请号：CN201811339422.6

申请日：2018-11-12

申请人： 北京航空航天大学

发明人： 苗俊刚 ,  秦世引 ,  胡岸勇 ,  赵国

IPC分类号： G06T7/11 ,  G06T7/194 ,  G06N3/04 ,  G06N3/08 ,  G01V8/00

摘要： 本发明涉及一种面向违禁物安检的被动毫米波图像人体目标分割方法，利用被动毫米波成像仪采集人体目标的被动毫米波图像，借助端到端的深度语义卷积神经网络，直接获取人体目标区域的分割结果。由于整个DNN网络采用端到端的设计思路，无需对图像进行预、后处理，因此使用过程非常简便。而在分割精度的改进上，借鉴了U‑Net基础网络结构，在网络的编码段和解码端分别采用了对称的深度残差神经网络Resnet50，由于Resnet50相比VGG16主干网络具有更好的特征提取能力，因此相比经典的U‑Net网络，本发明设计的DNN网络模型的分割精度获得到了进一步提升。

公开(公告)号：CN109544563A

公开(公告)日：2019-03-29

申请号：CN201811339422.6

申请日：2018-11-12

申请人： 北京航空航天大学

发明人： 苗俊刚 ,  秦世引 ,  胡岸勇 ,  赵国

IPC分类号： G06T7/11 ,  G06T7/194 ,  G06N3/04 ,  G06N3/08 ,  G01V8/00

摘要： 本发明涉及一种面向违禁物安检的被动毫米波图像人体目标分割方法，利用被动毫米波成像仪采集人体目标的被动毫米波图像，借助端到端的深度语义卷积神经网络，直接获取人体目标区域的分割结果。由于整个DNN网络采用端到端的设计思路，无需对图像进行预、后处理，因此使用过程非常简便。而在分割精度的改进上，借鉴了U-Net基础网络结构，在网络的编码段和解码端分别采用了对称的深度残差神经网络Resnet50，由于Resnet50相比VGG16主干网络具有更好的特征提取能力，因此相比经典的U-Net网络，本发明设计的DNN网络模型的分割精度获得到了进一步提升。