中国科学院航天信息研究所方广有教授带领的研究团队利用被动式太赫兹设备采集的人体图像数据,训练并测试了一种基于深度残差网络的检测器。该检测器可用于太赫兹图像中隐藏对象的准确实时检测。
研究团队将Single Shot MultiBox Detector(SSD)算法的主干网络替换为更具代表性的残差网络,以降低网络训练的难度。针对小目标重复检测和漏检的问题,提出了一种基于特征融合的太赫兹图像目标检测算法。
此外,他们在SSD中引入了混合注意力机制,以提高算法获取对象细节和位置信息的能力。
研究团队还在太赫兹人体安全图像数据集上将所提出的模型与其他主流检测方法进行了比较。结果表明,与原始SSD算法相比,该方法在速度略有降低的情况下实现了检测精度的提高。
改进后的SSD算法解决了漏检问题,同时也增强了检测的信心。因此,可以满足安检场景的实时检测需求。