論文の概要: Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module

• arxiv url: http://arxiv.org/abs/2004.08656v4
• Date: Thu, 13 Aug 2020 13:41:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-12 05:35:36.894448
• Title: Occluded Prohibited Items Detection: an X-ray Security Inspection Benchmark and De-occlusion Attention Module
• Title（参考訳）: Occluded Prohibited Items Detection: A X-ray Security Inspection Benchmark and De-occlusion Attention Module
• Authors: Yanlu Wei, Renshuai Tao, Zhangjie Wu, Yuqing Ma, Libo Zhang, Xianglong Liu
• Abstract要約: 我々はOPIXrayというセキュリティ検査のための最初の高品質なオブジェクト検出データセットをコントリビュートする。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 本稿では,プラグイン・アンド・プレイモジュールであるデオクルージョン・アテンション・モジュール(DOAM)を提案する。
• 参考スコア（独自算出の注目度）: 50.75589128518707
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Security inspection often deals with a piece of baggage or suitcase where objects are heavily overlapped with each other, resulting in an unsatisfactory performance for prohibited items detection in X-ray images. In the literature, there have been rare studies and datasets touching this important topic. In this work, we contribute the first high-quality object detection dataset for security inspection, named Occluded Prohibited Items X-ray (OPIXray) image benchmark. OPIXray focused on the widely-occurred prohibited item "cutter", annotated manually by professional inspectors from the international airport. The test set is further divided into three occlusion levels to better understand the performance of detectors. Furthermore, to deal with the occlusion in X-ray images detection, we propose the De-occlusion Attention Module (DOAM), a plug-and-play module that can be easily inserted into and thus promote most popular detectors. Despite the heavy occlusion in X-ray imaging, shape appearance of objects can be preserved well, and meanwhile different materials visually appear with different colors and textures. Motivated by these observations, our DOAM simultaneously leverages the different appearance information of the prohibited item to generate the attention map, which helps refine feature maps for the general detectors. We comprehensively evaluate our module on the OPIXray dataset, and demonstrate that our module can consistently improve the performance of the state-of-the-art detection methods such as SSD, FCOS, etc, and significantly outperforms several widely-used attention mechanisms. In particular, the advantages of DOAM are more significant in the scenarios with higher levels of occlusion, which demonstrates its potential application in real-world inspections. The OPIXray benchmark and our model are released at https://github.com/OPIXray-author/OPIXray.
• Abstract（参考訳）: セキュリティ検査は、オブジェクトが互いに重なり合うバッグやスーツケースを扱うことが多く、X線画像における禁止アイテムの検出には不満足なパフォーマンスをもたらす。 文献では、この重要なトピックに触れる稀な研究やデータセットがある。 本稿では,セキュリティインスペクションのための最初の高品質オブジェクト検出データセットであるoccluded prohibited items x-ray (opixray) 画像ベンチマークを提案する。 OPIXrayは、空港のプロの検査官が手動で注記した「カッター」に焦点をあてた。 テストセットはさらに3つのオクルージョンレベルに分割され、検出器の性能をよりよく理解する。 さらに,X線画像検出における閉塞に対処するために,プラグイン・アンド・プレイモジュールであるDOAM(De-occlusion Attention Module)を提案する。 X線撮影では重い閉塞にもかかわらず、物体の形状はよく保存でき、異なる素材は異なる色やテクスチャで視覚的に現れる。 これらの観測から得られたDOAMは,禁止項目の外観情報を同時に利用して注目マップを生成し,一般検出器の特徴地図の精細化に役立てる。 我々は,opixrayデータセット上のモジュールを包括的に評価し,ssd,fcosなどの最先端検出手法の性能を一貫して向上させ,広く使用されている注意機構を著しく上回っていることを示す。 特に、DOAMの利点は、より高い閉塞レベルを持つシナリオにおいてより重要であり、現実世界の検査においてその可能性を示す。 OPIXrayベンチマークと私たちのモデルはhttps://github.com/OPIXray-author/OPIXrayで公開されています。

関連論文リスト

• AO-DETR: Anti-Overlapping DETR for X-Ray Prohibited Items Detection [6.603436370737025]
  本稿では,最先端の汎用物体検出器であるDINOをベースとした抗オーバーラップ型DETR(AO-DETR)を提案する。 重なり合う現象に起因する特徴結合問題に対処するために,カテゴリー特化ワン・ツー・ワン・アサインメント(CSA)戦略を導入する。 重複現象によるエッジのぼかし問題に対処するため,Look Forwardlyスキームを提案する。
  論文  参考訳（メタデータ） (2024-03-07T08:30:17Z)
• X-Adv: Physical Adversarial Object Attacks against X-ray Prohibited Item Detection [113.10386151761682]
  テクスチャフリーなX線画像を対象とした敵攻撃は未発見である。 本稿では,X線禁止項目検出を目的とした敵攻撃の研究に向けて第一歩を踏み出す。 我々は,X線検出器を消毒できる対向剤として機能する物理的に印刷可能な金属を生成するために,X-Advを提案する。
  論文  参考訳（メタデータ） (2023-02-19T06:31:17Z)
• PIDray: A Large-scale X-ray Benchmark for Real-World Prohibited Item Detection [21.055813365091662]
  PIDrayという名前の大規模データセットを提示し、実世界の様々なケースを対象とし、アイテム検出を禁止している。 具体的には、PIDrayは禁止アイテムの12ドルのカテゴリに対して124,486枚のX線画像を収集する。 そこで本研究では,PIDrayに基づくベースラインアルゴリズムを開発するために,汎用的な分割・コンカレントパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-11-19T18:31:34Z)
• A Tri-Layer Plugin to Improve Occluded Detection [100.99802831241583]
  本研究では,2段階物体検出装置の頭部検出のための単純な''モジュールを提案し,部分閉塞物体のリコールを改善する。 モジュールは、ターゲットオブジェクト、オクルーダー、オクラデーのセグメンテーションマスクの三層を予測し、それによってターゲットオブジェクトのマスクをより正確に予測することができる。 また,COCO評価データセットを構築し,部分閉塞オブジェクトと分離オブジェクトのリコール性能を測定した。
  論文  参考訳（メタデータ） (2022-10-18T17:59:51Z)
• Towards Real-world X-ray Security Inspection: A High-Quality Benchmark and Lateral Inhibition Module for Prohibited Items Detection [37.66855218659698]
  まず,8つのカテゴリの102,928個の共通禁止項目を含む,高品質なX線(HiXray)セキュリティ検査画像データセットを提案する。 正確な禁止項目検出のために,不適切な情報を無視することで,人間がこれらの項目を認識するという事実に触発された横方向抑制モジュール(LIM)を提案する。
  論文  参考訳（メタデータ） (2021-08-23T03:59:23Z)
• Towards Real-World Prohibited Item Detection: A Large-Scale X-ray Benchmark [53.9819155669618]
  本稿では,PIDrayと命名された大規模データセットについて述べる。 大量の努力を払って、私たちのデータセットには、高品質な注釈付きセグメンテーションマスクとバウンディングボックスを備えた47,677ドルのX線画像に、禁止アイテムの12ドルカテゴリが含まれています。 提案手法は最先端の手法に対して,特に故意に隠された項目を検出するために好適に機能する。
  論文  参考訳（メタデータ） (2021-08-16T11:14:16Z)
• Over-sampling De-occlusion Attention Network for Prohibited Items Detection in Noisy X-ray Images [35.35752470993847]
  セキュリティ検査は、スーツケースの個人持ち物のX線スキャンです。 一般的な画像認識データセットを通じてトレーニングされた従来のCNNベースのモデルは、このシナリオで十分なパフォーマンスを達成できない。 新規な脱閉塞注意モジュールと新しいオーバーサンプリングトレーニング戦略からなるオーバーサンプリング脱閉塞注意ネットワーク(DOAM-O)を提案する。
  論文  参考訳（メタデータ） (2021-03-01T07:17:37Z)
• Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
  対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。 本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-05T02:13:35Z)
• EHSOD: CAM-Guided End-to-end Hybrid-Supervised Object Detection with Cascade Refinement [53.69674636044927]
  本稿では,エンド・ツー・エンドのハイブリッド型オブジェクト検出システムであるEHSODについて述べる。 完全なアノテートと弱いアノテートの両方で、ワンショットでトレーニングすることができる。 完全なアノテートされたデータの30%しか持たない複数のオブジェクト検出ベンチマークで、同等の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-18T08:04:58Z)

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。