王博

摘要：本文探讨了物体检测模型在一些领域的应用困难，比如基于热像图的物体检测，基于x射线图的物体检测，由于这类图像信息量低，传统物体检测模型难以应用。本文提出了一种统一化的解决方案，利用pix2pix模型将信息含量较低的图片转化为常规图片，再利用SSD模型侦测图像中的物体。通过实验，验证了算法的可行性。

Abstract： This paper discusses the application difficulties of object detection models in some fields， such as object detection based on thermal image， object detection based on x-ray image. Due to the low information volume of such images， traditional object detection models are difficult to apply. This paper proposes a unified solution that uses the pix2pix model to convert images with lower information content into regular images， and then uses SSD models to detect objects in the image. The feasibility of the algorithm is verified by experiments.

關键词：深度学习;物体检测;pix2pix;SSD

Key words： deep learning;object detection;pix2pix;SSD

中图分类号：TP391.4                                    文献标识码：A                                  文章编号：1006-4311（2019）24-0256-04

1  绪论

1.1 引言

现在图像中的物体检测技术在日常生活和一些专业领域中应用的非常广泛，比如人脸识别系统，医学图像分析等。智能的物体检测技术给人们的生活和工作带来了非常大的便利。本文经过调查发现，还有许多场景有应用物体检测技术的需求。比如，在进入车站或者机场时都要经过安检。乘客的行李通过安检仪，安检仪用x射线扫描行李，x射线图像在屏幕上显示，安检员通过屏幕观察是否有违禁品。如果能有一种物体检测技术自动的在x射线图中标注出物体的话，那将大大提高安检的效率。还有，在发生火灾或者其他自然灾害时，救援人员会用到红外热像仪去探测灾变现场中的物体。与安检的场景类似，只不过这里需要分析的图像是热像图。

那么上面遇到的问题该怎么解决呢？通常的做法是这样，以热像图为例，需要准备大量的热像图，并在上面标注出现的物体，然后用这些标注好的图像去训练一个物体检测模型。这里最大的问题是标注大量图片是不可能完成的任务。……