論文の概要: DCNNs: A Transfer Learning comparison of Full Weapon Family threat detection for Dual-Energy X-Ray Baggage Imagery

• arxiv url: http://arxiv.org/abs/2006.13065v2
• Date: Wed, 24 Jun 2020 05:57:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 23:19:00.953700
• Title: DCNNs: A Transfer Learning comparison of Full Weapon Family threat detection for Dual-Energy X-Ray Baggage Imagery
• Title（参考訳）: DCNN:Dual-Energy X-ray Baggage Imageryのためのフルウィーポンファミリー脅威検出の伝達学習比較
• Authors: A. Williamson (1), P. Dickinson (2), T. Lambrou (2), J. C. Murray (1) ((1) University of Hull, (2) University of Lincoln)
• Abstract要約: 畳み込みニューラルネットワークの最近の進歩は、画像認識タスクにおける超人間レベルのパフォーマンスをもたらしている。 毎年、イギリスの国境を越えてパーセルの量が増加すると、脅威の分類はイギリスの国境の円滑な運用に不可欠なものとなる。 本稿では,Dual-Energy X-Ray スキャナ出力を効果的に処理する最初のパイプラインを提案し,銃器群を識別できる分類を行う。
• 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: Recent advancements in Convolutional Neural Networks have yielded super-human levels of performance in image recognition tasks [13, 25]; however, with increasing volumes of parcels crossing UK borders each year, classification of threats becomes integral to the smooth operation of UK borders. In this work we propose the first pipeline to effectively process Dual-Energy X-Ray scanner output, and perform classification capable of distinguishing between firearm families (Assault Rifle, Revolver, Self-Loading Pistol,Shotgun, and Sub-Machine Gun) from this output. With this pipeline we compare re-cent Convolutional Neural Network architectures against the X-Ray baggage domain via Transfer Learning and show ResNet50 to be most suitable to classification - outlining a number of considerations for operational success within the domain.
• Abstract（参考訳）: 畳み込みニューラルネットワークの最近の進歩は、画像認識タスク(13,25)において超人的性能をもたらすが、毎年、英国国境を横断するパーセルの量の増加に伴い、脅威の分類は、英国国境の円滑な操作に不可欠なものとなる。 本研究では,デュアルエネルギーx線スキャナ出力を効果的に処理し,この出力から銃器ファミリー(アソーライフル,リボルバー,自装ピストル,ショットガン,サブマシンガン)を区別できる分類を行う最初のパイプラインを提案する。 このパイプラインでは、トランスファーラーニングを通じて、リセンタ畳み込みニューラルネットワークアーキテクチャとx線荷物ドメインを比較し、resnet50が分類に最も適していることを示す。

関連論文リスト

• Imitation Learning for Intra-Day Power Grid Operation through Topology Actions [0.24578723416255752]
  本研究では、トポロジ的動作による日頭電力グリッド動作における模倣学習の性能について検討する。 我々は、専門家のステートアクションペアに完全接続ニューラルネットワーク(FCNN)をトレーニングし、それを2つの方法で評価する。 パワーシステムエージェントとして、FCNNは専門家エージェントよりもわずかに劣っている。
  論文  参考訳（メタデータ） (2024-07-29T10:34:19Z)
• CDSE-UNet: Enhancing COVID-19 CT Image Segmentation with Canny Edge Detection and Dual-Path SENet Feature Fusion [10.831487161893305]
  CDSE-UNetは、Canny演算子エッジ検出とデュアルパスSENet機能融合機構を統合した、新しいUNetベースのセグメンテーションモデルである。 我々は,UNetの標準畳み込みを代替するマルチスケール畳み込み手法を開発し,病変の大きさや形状に適応した。 公開データセットの評価では、他の主要なモデルよりもCDSE-UNetの方が優れた性能を示している。
  論文  参考訳（メタデータ） (2024-03-03T13:36:07Z)
• MADRL-based UAVs Trajectory Design with Anti-Collision Mechanism in Vehicular Networks [1.9662978733004604]
  今後6Gネットワークでは、無人航空機(UAV)が移動基地局として機能することが期待される。 最も困難な問題の1つは、複数のUAVのための軌道の設計であり、同じ領域に協調して機能する。 本稿では,これらの問題に対処するためのランクベースのバイナリマスキング手法を提案する。
  論文  参考訳（メタデータ） (2024-01-21T20:08:32Z)
• Illicit item detection in X-ray images for security applications [7.519872646378835]
  X線画像におけるコントラバンドアイテムの自動検出は、公共の安全を著しく向上させる。 ディープニューラルネットワーク(DNN)に依存する現代のコンピュータビジョンアルゴリズムは、このタスクを遂行できることを証明している。 本稿では,X線解析領域におけるそのようなアルゴリズムの2倍の改良を提案する。
  論文  参考訳（メタデータ） (2023-05-03T07:28:05Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Graph Neural Networks for Decentralized Multi-Agent Perimeter Defense [111.9039128130633]
  我々は,防御者の地域認識とコミュニケーショングラフから行動へのマッピングを学習する模倣学習フレームワークを開発した。 学習ネットワークの性能を実証するために、異なるチームサイズと構成のシナリオで周辺防衛ゲームを実行します。
  論文  参考訳（メタデータ） (2023-01-23T19:35:59Z)
• Joint Sub-component Level Segmentation and Classification for Anomaly Detection within Dual-Energy X-Ray Security Imagery [14.785070524184649]
  この性能は、散在したX線バッグセキュリティ画像のデータセット上で評価される。 提案手法は, 異常検出タスクに対して, 99%の真正, 5%の偽正を達成できる。
  論文  参考訳（メタデータ） (2022-10-29T00:44:50Z)
• Defensive Tensorization [113.96183766922393]
  本稿では,ネットワークの遅延高次分解を利用した対角防御手法であるテンソル防御手法を提案する。 我々は,標準画像分類ベンチマークにおけるアプローチの有効性を実証的に実証した。 我々は,音声タスクとバイナリネットワークを考慮し,ドメイン間のアプローチと低精度アーキテクチャの汎用性を検証した。
  論文  参考訳（メタデータ） (2021-10-26T17:00:16Z)
• Efficient Self-supervised Vision Transformers for Representation Learning [86.57557009109411]
  疎密な自己意識を持つマルチステージアーキテクチャは、モデリングの複雑さを著しく低減できることを示す。 そこで本研究では,モデルがよりきめ細かな領域依存を捕捉できるような,領域マッチングの事前学習タスクを提案する。 この2つの手法を組み合わせることで,ImageNet線形プローブ評価において,EsViTは81.3%のトップ1を達成した。
  論文  参考訳（メタデータ） (2021-06-17T19:57:33Z)
• X-volution: On the unification of convolution and self-attention [52.80459687846842]
  本稿では,畳み込み操作と自己注意操作の両方からなるマルチブランチ基本モジュールを提案する。 提案したX-進化は、非常に競争力のある視覚的理解の改善を実現する。
  論文  参考訳（メタデータ） (2021-06-04T04:32:02Z)
• UPDeT: Universal Multi-agent Reinforcement Learning via Policy Decoupling with Transformers [108.92194081987967]
  タスクに適合する1つのアーキテクチャを設計し、汎用的なマルチエージェント強化学習パイプラインを最初に試行する。 従来のRNNモデルとは異なり、トランスフォーマーモデルを用いてフレキシブルなポリシーを生成する。 提案方式はUPDeT(Universal Policy Decoupling Transformer)と名付けられ,動作制限を緩和し,マルチエージェントタスクの決定プロセスをより説明しやすいものにする。
  論文  参考訳（メタデータ） (2021-01-20T07:24:24Z)

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。