論文の概要: Detecting Electric Devices in 3D Images of Bags
- arxiv url: http://arxiv.org/abs/2005.02163v1
- Date: Sat, 25 Apr 2020 11:30:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 21:18:04.929702
- Title: Detecting Electric Devices in 3D Images of Bags
- Title（参考訳）: バッグの3d画像における電気デバイスの検出
- Authors: Anthony Bagnall, Paul Southam, James Large and Richard Harvey
- Abstract要約: 交通安全産業は、可能な限り大量の荷物を脅威やコントラバンドにスクリーニングするという課題に直面している。
従来の2次元X線画像は、密に充填され、様々な乱れや隠蔽された物体を含んでいるため、検査が非常に困難であることが多い。
これらの制限のため、主要空港は3次元X線CT(Computerd Tomography)バッグスキャンを導入している。
荷物の3次元画像から電気機器を自動検出する方法について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The aviation and transport security industries face the challenge of
screening high volumes of baggage for threats and contraband in the minimum
time possible. Automation and semi-automation of this procedure offers the
potential to increase security by detecting more threats and improve the
customer experience by speeding up the process. Traditional 2D x-ray images are
often extremely difficult to examine due to the fact that they are tightly
packed and contain a wide variety of cluttered and occluded objects. Because of
these limitations, major airports are introducing 3D x-ray Computed Tomography
(CT) baggage scanning. We investigate whether we can automate the process of
detecting electric devices in these 3D images of luggage. Detecting electrical
devices is of particular concern as they can be used to conceal explosives.
Given the massive volume of luggage that needs to be screened for this threat,
the best way to automate the detection is to first filter whether a bag
contains an electric device or not, and if it does, to identify the number of
devices and their location. We present an algorithm, Unpack, Predict, eXtract,
Repack (UXPR), which involves unpacking through segmenting the data at a range
of scales using an algorithm known as the Sieve, predicting whether a segment
is electrical or not based on the histogram of voxel intensities, then
repacking the bag by ensembling the segments and predictions to identify the
devices in bags. Through a range of experiments using data provided by ALERT
(Awareness and Localization of Explosives-Related Threats) we show that this
system can find a high proportion of devices with unsupervised segmentation if
a similar device has been seen before, and shows promising results for
detecting devices not seen at all based on the properties of its constituent
parts.
- Abstract（参考訳）: 航空・運輸安全産業は、最低限の時間で、脅威やコントラバンドに対する大量の荷物を検査するという課題に直面している。
この手順の自動化と半自動化は、より多くの脅威を検出し、プロセスをスピードアップすることで顧客エクスペリエンスを改善することで、セキュリティを向上させる可能性を提供します。
従来の2次元X線画像は、密に充填され、様々な乱れや隠蔽物を含んでいるため、検査が難しいことが多い。
これらの制限により、主要空港では3d x線ct検査が導入されている。
荷物の3d画像から電気機器を検出するプロセスを自動化できるかどうかについて検討する。
爆発物を隠蔽するために電気装置を検知することは特に懸念される。
この脅威のためにスクリーニングする必要がある大量の荷物を考えると、検出を自動化する最善の方法は、まずバッグに電気デバイスが含まれているかどうかをフィルターし、そうでなければ、デバイス数と位置を識別することだ。
シーブ(sieve)として知られるアルゴリズムを用いて、データを複数のスケールで分割してアンパックし、ボクセル強度のヒストグラムに基づいてセグメントが電気的かどうかを予測し、そのセグメントをセンシングしてバッグ内のデバイスを特定するアルゴリズムであるアンパック、予測、抽出、再パック(uxpr)を提案する。
ALERT(Awareness and Localization of Explosives-Related Threats)が提供するデータを用いて実験を行い、類似した装置がこれまで見られていた場合、非教師なしセグメンテーションのデバイスの割合が高いことを示すとともに、その構成部品の特性に基づいて全く見えないデバイスを検出するための有望な結果を示す。
関連論文リスト
- CCTV-Gun: Benchmarking Handgun Detection in CCTV Images [59.24281591714385]
銃の暴力は重要なセキュリティ問題であり、コンピュータビジョンコミュニティが効果的な銃検出アルゴリズムを開発することが必須である。
実際のCCTV画像から銃を検出することは、未だに困難で未調査の課題である。
我々は,実世界のCCTV画像における拳銃検出の課題に対処するベンチマーク「textbfCCTV-Gun」を提案する。
論文 参考訳（メタデータ） (2023-03-19T16:17:35Z) - 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) - Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。
多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。
本稿では,SST(Single-stride Sparse Transformer)を提案する。
論文 参考訳（メタデータ） (2021-12-13T02:12:02Z) - Temporal Fusion Based Mutli-scale Semantic Segmentation for Detecting
Concealed Baggage Threats [12.895636885728852]
時間的手荷物X線画像を利用して、隠蔽されたオブジェクトを効果的にスクリーニングするフレームワークは存在しない。
本稿では, 連続したスキャンを入力として行う, 時間融合駆動型マルチスケール残留型エンコーダデコーダを提案する。
提案するフレームワークは,GDXrayデータセット上で,さまざまなメトリクスで競合する。
論文 参考訳（メタデータ） (2021-11-04T06:19:52Z) - 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) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳（メタデータ） (2020-09-16T11:37:43Z) - Multi-Class 3D Object Detection Within Volumetric 3D Computed Tomography
Baggage Security Screening Imagery [19.62794187456967]
我々は、一つの統合されたフレームワークを用いて、複数の対象カテゴリの関心事を検出することを検討する。
3D RetinaNetと一連の好ましい戦略を組み合わせることで、5つのオブジェクトクラスの平均平均精度(mAP)は65.3%に達する。
論文 参考訳（メタデータ） (2020-08-03T21:54:14Z) - Occluded Prohibited Items Detection: an X-ray Security Inspection
Benchmark and De-occlusion Attention Module [50.75589128518707]
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。
論文 参考訳（メタデータ） (2020-04-18T16:10:55Z) - On the Evaluation of Prohibited Item Classification and Detection in
Volumetric 3D Computed Tomography Baggage Security Screening Imagery [19.62794187456967]
我々は,2次元X線画像からボリューム3次元CTバッグセキュリティスクリーニング画像への自動禁止項目検出の可能性を評価する。
我々は3D Convolutional Neural Neworks(CNN)とRetinaNetやFaster R-CNNといった一般的なオブジェクト検出フレームワークを活用しています。
論文 参考訳（メタデータ） (2020-03-27T20:17:58Z) - siaNMS: Non-Maximum Suppression with Siamese Networks for Multi-Camera
3D Object Detection [65.03384167873564]
サイムズネットワークは、よく知られた3Dオブジェクト検出器アプローチのパイプラインに統合される。
アソシエーションはオブジェクトの3Dボックスレグレッションを強化するために利用される。
nuScenesデータセットの実験的評価は,提案手法が従来のNMS手法よりも優れていることを示している。
論文 参考訳（メタデータ） (2020-02-19T15:32:38Z)
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。