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
- 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) - Deep Anomaly Detection in Text [3.4265828682659705]
本論文は,テキストコーパスに適したプリテキストタスクを活用することによって,異常を検出する手法を開発することを目的とする。
このアプローチは、半教師付きおよび教師なしの異常検出の両方において、2つのデータセットである20NewsgroupsとAG Newsの最先端性を大幅に改善する。
論文 参考訳(メタデータ) (2023-12-14T22:04:43Z) - Artificial Intelligence for Automatic Detection and Classification
Disease on the X-Ray Images [0.0]
本研究では,Deep Learning Pre-trained RepVGGアルゴリズムを用いて肺疾患の迅速検出を行う。
我々は、人の肺の患部の自動ハイライト検出に人工知能技術を適用している。
論文 参考訳(メタデータ) (2022-11-14T03:51:12Z) - 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) - Deep Learning Computer Vision Algorithms for Real-time UAVs On-board
Camera Image Processing [77.34726150561087]
本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。
すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
論文 参考訳(メタデータ) (2022-11-02T11:10:42Z) - Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New
Benchmark Study [75.05049024176584]
胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。
我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。
このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
論文 参考訳(メタデータ) (2022-08-29T04:34:15Z) - 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) - A Survey on Deep Learning Techniques for Video Anomaly Detection [0.0]
本稿では,ディープラーニングを用いた異常検出の分野における最近の進歩について概観する。
ディープラーニングは、コンピュータビジョンや自然言語処理など、人工知能の多くの分野で成功している。
論文 参考訳(メタデータ) (2020-09-29T16:40:46Z) - 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。