論文の概要: Towards Automatic Threat Detection: A Survey of Advances of Deep Learning within X-ray Security Imaging

• arxiv url: http://arxiv.org/abs/2001.01293v2
• Date: Mon, 13 Sep 2021 05:30:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-14 07:59:53.178338
• Title: Towards Automatic Threat Detection: A Survey of Advances of Deep Learning within X-ray Security Imaging
• Title（参考訳）: 自動脅威検出に向けて:x線セキュリティイメージングにおけるディープラーニングの進歩調査
• Authors: Samet Akcay and Toby Breckon
• Abstract要約: 本稿では,従来の機械学習および現代のディープラーニングアプリケーションに分野を分類することで,コンピュータ化されたX線セキュリティ画像アルゴリズムをレビューすることを目的とする。 提案された分類学は、教師付き、半教師付き、教師なしの学習へのディープラーニングアプローチの使用をサブカテゴリ化している。 深層学習の現在と将来の動向に基づいて,X線セキュリティ画像の議論と今後の方向性を示す。
• 参考スコア（独自算出の注目度）: 0.6091702876917279
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: X-ray security screening is widely used to maintain aviation/transport security, and its significance poses a particular interest in automated screening systems. This paper aims to review computerised X-ray security imaging algorithms by taxonomising the field into conventional machine learning and contemporary deep learning applications. The first part briefly discusses the classical machine learning approaches utilised within X-ray security imaging, while the latter part thoroughly investigates the use of modern deep learning algorithms. The proposed taxonomy sub-categorises the use of deep learning approaches into supervised, semi-supervised and unsupervised learning, with a particular focus on object classification, detection, segmentation and anomaly detection tasks. The paper further explores well-established X-ray datasets and provides a performance benchmark. Based on the current and future trends in deep learning, the paper finally presents a discussion and future directions for X-ray security imagery.
• Abstract（参考訳）: x線セキュリティスクリーニングは航空・輸送のセキュリティを維持するために広く使われており、その重要性は自動スクリーニングシステムに特に関心を寄せている。 本稿では,コンピュータ化されたx線セキュリティイメージングアルゴリズムを,従来の機械学習および現代ディープラーニングアプリケーションに分類することで検討することを目的とする。 第1部は、X線セキュリティイメージングで利用される古典的な機械学習アプローチについて、第2部は、現代のディープラーニングアルゴリズムの使用について徹底的に研究している。 提案された分類学は、対象分類、検出、セグメンテーション、異常検出タスクに特に焦点をあて、教師付き、半教師付き、教師なし学習へのディープラーニングアプローチの使用をサブカテゴリ化している。 論文はさらに、確立されたx線データセットを探求し、パフォーマンスベンチマークを提供する。 深層学習の現在と将来の動向に基づいて,X線セキュリティ画像の議論と今後の方向性を示す。

関連論文リスト

• A novel approach towards the classification of Bone Fracture from Musculoskeletal Radiography images using Attention Based Transfer Learning [0.0]
  我々は,X線スキャンで骨骨折を検出するために,注意に基づく移動学習モデルを構築した。 本モデルでは, フラクチャー分類の90%以上を最先端の精度で達成する。
  論文  参考訳（メタデータ） (2024-10-18T19:07:24Z)
• Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
  水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。 近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
  論文  参考訳（メタデータ） (2024-10-08T00:25:33Z)
• Semantics-Oriented Multitask Learning for DeepFake Detection: A Joint Embedding Approach [77.65459419417533]
  本稿ではセマンティクス指向のDeepFake検出タスクをサポートするための自動データセット拡張手法を提案する。 また,顔画像とそれに対応するラベルを併用して予測を行う。 提案手法は,DeepFake検出の一般化性を向上し,人間の理解可能な説明を提供することで,ある程度のモデル解釈を行う。
  論文  参考訳（メタデータ） (2024-08-29T07:11:50Z)
• Self-supervised pre-training with diffusion model for few-shot landmark detection in x-ray images [0.8793721044482612]
  本研究では,拡散確率モデル(DDPM)をランドマーク検出タスクに適用する新しい手法を提案する。 私たちの重要なイノベーションは、ランドマーク検出における自己教師付き事前トレーニングにDDPMを活用することです。 この方法は、最小限の注釈付きトレーニングデータで正確なランドマーク検出を可能にする。
  論文  参考訳（メタデータ） (2024-07-25T15:32:59Z)
• Open-Vocabulary X-ray Prohibited Item Detection via Fine-tuning CLIP [6.934570446284497]
  蒸留をベースとしたオープン語彙オブジェクト検出タスクをX線セキュリティ検査領域に導入する。 検知器が訓練された基準カテゴリを超えた、新しい禁止アイテムカテゴリを検出することを目的としている。 X線機能アダプタをOVODフレームワーク内のCLIPに適用し、OVXDモデルを開発する。
  論文  参考訳（メタデータ） (2024-06-16T14:42:52Z)
• Object Detection for Automated Coronary Artery Using Deep Learning [0.0]
  本稿では,冠動脈狭窄の部位を正確に同定するために,X線血管造影画像の物体検出法を応用した。 このモデルにより,狭窄箇所の自動的かつリアルタイムな検出が可能となり,決定プロセスの重要かつ機密性の高い支援が可能となった。
  論文  参考訳（メタデータ） (2023-12-19T13:14:52Z)
• Computer Vision on X-ray Data in Industrial Production and Security Applications: A survey [89.45221564651145]
  本稿では,コンピュータビジョンと機械学習を用いた産業生産およびセキュリティアプリケーションにおけるX線分析に関する最近の研究をレビューする。 公開されているデータセット上でのアプリケーション、テクニック、評価メトリクス、データセット、それらのテクニックのパフォーマンス比較をカバーしている。
  論文  参考訳（メタデータ） (2022-11-10T13:37:36Z)
• Intelligent Masking: Deep Q-Learning for Context Encoding in Medical Image Analysis [48.02011627390706]
  我々は,対象地域を排除し,事前訓練の手順を改善する,新たな自己指導型アプローチを開発した。 予測モデルに対してエージェントを訓練することで、下流の分類タスクで抽出した意味的特徴を大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-03-25T19:05:06Z)
• Generative Residual Attention Network for Disease Detection [51.60842580044539]
  本稿では, 条件付き生成逆学習を用いたX線疾患発生のための新しいアプローチを提案する。 我々は,患者の身元を保存しながら,対象領域に対応する放射線画像を生成する。 次に、ターゲット領域で生成されたX線画像を用いてトレーニングを増強し、検出性能を向上させる。
  論文  参考訳（メタデータ） (2021-10-25T14:15:57Z)
• Learning Invariant Feature Representation to Improve Generalization across Chest X-ray Datasets [55.06983249986729]
  我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。 対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
  論文  参考訳（メタデータ） (2020-08-04T07:41:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。