结合YOLOv11改进的双视角X光图像违禁品检测
Hai-bin WU, Wen-bai LIU, Peng-fei YUAN, Ai-li WANG · Chinese Optics · 2026
针对现有双视角X光安检图像违禁品检测方法在跨视角特征融合过程中自适应性不足、互补信息利用不充分的问题，本文提出一种结合YOLOv11改进的双视角融合检测方法（Dual View Fusion combined with YOLOv11，DVF-YOLOv11）。该算法采用参数共享的双分支YOLOv11骨干网络分别提取俯视图与侧视图的多尺度特征；设计跨视角注意力融合模块（Cross-View Attention Fusion，CVAF），通过通道注意力与空间注意力的级联机制实现双视角特征的自适应增强；采用自适应权重预测网络动态调整各视角融合权重，结合通道压缩卷积形成双路融合策略；设计由特征保留损失、互补性损失和权重平衡损失组成的联合损失函数引导融合学习。在DvXray数据集上，本文方法的mAP50达到94.02%，mAP50-95达到79.41%，较俯视图单视角分别提升2.99%和5.29%。实验结果表明，本文方法能够提升双视角X光安检图像中违禁品检测的精度与鲁棒性。