GSA-YOLO 通过结构化的稀疏性和自适应知识蒸馏技术，实现了高效的实时 X 射线安全检测

《Scientific Reports》：GSA-YOLO enables high-efficiency real-time X-ray security inspection via structured sparsity and adaptive knowledge distillation

　　

摘要

X射线安全检查需要准确、实时地检测违禁物品，但现有模型往往难以应对严重的遮挡、复杂的杂乱环境以及严格的速度要求。为了解决这些问题，本文提出了GSA-YOLO，这是一个基于YOLOv8n架构的新型轻量级框架，专门设计用于提高检测的鲁棒性和推理效率。GSA-YOLO通过三个核心组件策略性地整合了结构稀疏性和自适应知识迁移：在网络颈部应用Group Lasso（GL）以实现鲁棒的特征提取；在检测头部应用Sparse Structure Selection（SSS）以显著降低模型体积；以及采用Adaptive Knowledge Distillation（Ada-KD）机制来全面恢复准确性。这种集成方法在剪除冗余通道的同时增强了特征表示，最大化了模型效率，而不会牺牲性能。在HiXray和PIDray数据集上的严格评估证实了GSA-YOLO的全面能力，其推理速度达到了189.62 FPS，并将计算成本从8.7G降低到了8.0G。关键的是，GSA-YOLO在HiXray和PIDray数据集上的mAP50:95得分分别为0.531和0.679，分别比基线模型提高了2.4%和1.8%。与其他模型相比，GSA-YOLO在保持计算效率的同时提高了准确性，使其成为实际X射线安全检查中的一个有前景的解决方案。