論文の概要: Trainable Structure Tensors for Autonomous Baggage Threat Detection Under Extreme Occlusion

• arxiv url: http://arxiv.org/abs/2009.13158v2
• Date: Mon, 5 Oct 2020 07:26:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:25:08.253530
• Title: Trainable Structure Tensors for Autonomous Baggage Threat Detection Under Extreme Occlusion
• Title（参考訳）: 極端咬合下の自律的荷物脅威検出のための訓練可能な構造テンソル
• Authors: Taimur Hassan and Samet Akcay and Mohammed Bennamoun and Salman Khan and Naoufel Werghi
• Abstract要約: 本稿では、トレーニング可能な構造テンソルを用いて、隠蔽・散布されたコントラバンドアイテムの輪郭をハイライトする新しいインスタンスセグメンテーションフレームワークを提案する。 4種類のX線スキャナーから得られたグレースケールとカラースキャンの組み合わせで検証された唯一のフレームワークである。
• 参考スコア（独自算出の注目度）: 45.39173572825739
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting baggage threats is one of the most difficult tasks, even for expert officers. Many researchers have developed computer-aided screening systems to recognize these threats from the baggage X-ray scans. However, all of these frameworks are limited in identifying the contraband items under extreme occlusion. This paper presents a novel instance segmentation framework that utilizes trainable structure tensors to highlight the contours of the occluded and cluttered contraband items (by scanning multiple predominant orientations), while simultaneously suppressing the irrelevant baggage content. The proposed framework has been extensively tested on four publicly available X-ray datasets where it outperforms the state-of-the-art frameworks in terms of mean average precision scores. Furthermore, to the best of our knowledge, it is the only framework that has been validated on combined grayscale and colored scans obtained from four different types of X-ray scanners.
• Abstract（参考訳）: 荷物の脅威を検出することは、専門家の役員でさえも、最も難しい仕事の1つです。 多くの研究者が、荷物のX線スキャンからこれらの脅威を認識するコンピュータ支援スクリーニングシステムを開発した。 しかしながら、これらのフレームワークはすべて、極端な閉塞下でのコントラバンドアイテムの識別に制限がある。 本稿では, トレーニング可能な構造テンソルを用いて, 密閉・散在したコントラバンドアイテムの輪郭を強調表示し, 同時に無関係な荷物内容の抑制を行う新しい事例セグメンテーションフレームワークを提案する。 提案したフレームワークは、公開されている4つのX線データセットで広範囲にテストされ、平均的な精度スコアで最先端のフレームワークを上回っている。 さらに、我々の知る限りでは、4種類のx線スキャナから得られたグレースケールとカラースキャンの組み合わせで検証された唯一のフレームワークである。

関連論文リスト

• 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)
• 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)
• Tensor Pooling Driven Instance Segmentation Framework for Baggage Threat Recognition [39.40595024569702]
  バッグX線スキャンにおける乱雑なコントラバンドデータを識別するためのマルチスケール・コントラル・インスタンス・セグメンテーション・フレームワークを提案する。 提案されたフレームワークは、GDXray、SIXray、OPIXrayと呼ばれる3つの公開データセットで厳格に検証されている。 我々の知る限りでは、マルチスケール情報を活用する最初の輪郭インスタンスセグメンテーションフレームワークであり、乱れや隠蔽されたコントラバンドデータを認識する。
  論文  参考訳（メタデータ） (2021-08-22T00:04:58Z)
• 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)
• Unsupervised Anomaly Instance Segmentation for Baggage Threat Recognition [39.40595024569702]
  本稿では,X線スキャンにおける手荷物の脅威を,根拠となる真理ラベルを必要とせず,異常として認識する,新しい教師なしの異常なインスタンスセグメンテーションフレームワークを提案する。 そのスタイリング能力のおかげで、フレームワークは一度だけ訓練され、推論段階では、スキャナーの仕様にかかわらず、反バンドアイテムを検出して抽出する。 提案した4つの公共荷物X線データセットの徹底的な評価は、再学習なしに、競争性能を達成できることを実証している。
  論文  参考訳（メタデータ） (2021-07-15T13:56:55Z)
• 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)
• 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)
• Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from X-ray Scans [45.39173572825739]
  本稿では, 密閉・散在した荷物から疑わしいアイテムを自動的に抽出し, 認識することのできるケースケード構造テンソルフレームワークを提案する。 提案フレームワークは,GDXrayおよびSIXrayデータセットから1067,381個のX線スキャンを用いて,厳密に評価されている。
  論文  参考訳（メタデータ） (2020-04-14T20:00:55Z)

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。