目标检测论文解读复现之三：基于改进YOLOv7的X光图像旋转目标检测

目标检测论文解读复现

---

前言

此前出了目标改进算法专栏，但是对于应用于什么场景，需要什么改进方法对应与自己的应用场景有效果，并且多少改进点能发什么水平的文章，为解决大家的困惑，此系列文章旨在给大家解读最新目标检测算法论文，帮助大家解答疑惑。解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注私信我。

一、摘要

针对X光图像违禁品目标检测中存在的识别定位困难以及忽略物品方向性的问题，提出了一种基于改进YOLOv7的X光图像旋转目标检测算法。首先，通过在原网络中融合高效注意力机制模块提高模型对深层重要特征的提取能力；然后，改进扩展的高效长程注意力机制的特征融合路径，在模块之间增加跳跃连接和1×1卷积架构，使网络提取更丰富的物品特征；最后，针对X光图像中违禁品放置方向任意的问题，使用密集编码标签表示法对角度进行离散化处理，提高违禁品定位的准确性。实验结果表明，改进的算法在HiXray、OPIXray、PIDray数据集上分别取得了91.2%、92.6%、66.4%的检测精度，较原YOLOv7模型分别提高了20.2%、10.6%、15.5%，在有效提高X光图像违禁品检测的精度的基础上，为保障公共安全提供了很好的技术支持。

二、网络模型及核心创新点

1.通过在原网络中融合高效注意力机制模块提高模型对深层重要特征的提取能力；
2.改进扩展的高效长程注意力机制的特征融合路径，在模块之间增加跳跃连接和1×1卷积架构，使网络提取更丰富的物品特征；
3.针对X光图像中违禁品放置方向任意的问题，使用密集编码标签表示法对角度进行离散化处理，提高违禁品定位的准确性。

三、应用数据集

为了评估改进后的YOLOv7-E6R算法的违禁品检测性能，本实验在HiXray违禁品数据集上进行训练和测试。同时为了评估该算法的通用性能，本实验还增加了在复杂违禁品数据集OPIXray和PIDray上进行训练和测试。

四、实验效果

本实验将改进后的YOLOv7-E6R算法分别与目前主流的旋转目标检测算法和水平目标检测算法在违禁品数据集HiXray、OPIXray、PIDray进行了违禁品检测性能对比，实验对比结果见表：

五、实验结论

实验结果表明，在未明显增加模型参数量和计算量情况下，有效地提高了违禁品检测精度。因此，本文所提算法能够很好的完成X光图像违禁品定位识别任务。同时此改进算法可以作为一种通用的旋转目标检测模型，应用到遥感图像目标检测、航拍图像目标检测、场景文本检测等场景。

六、投稿期刊介绍

**注：论文原文出自成浪，敬超．基于改进YOLOv7的X光图像旋转目标检测[J/OL]．图学学报.
(1. 桂林理工大学信息科学与工程学院，广西 桂林 541004； 2. 桂林理工大学嵌入式技术与智能系统重点实验室，广西 桂林 541004；
3. 桂林电子科技大学可信软件重点实验室，广西 桂林 541004)

解读的系列文章，本人已进行创新点代码复现，有需要的朋友可关注下面公众号，私信我。