論文の概要: On the impact of using X-ray energy response imagery for object
detection via Convolutional Neural Networks
- arxiv url: http://arxiv.org/abs/2108.12505v1
- Date: Fri, 27 Aug 2021 21:28:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-31 14:55:33.535113
- Title: On the impact of using X-ray energy response imagery for object
detection via Convolutional Neural Networks
- Title（参考訳）: 畳み込みニューラルネットワークを用いた物体検出におけるX線エネルギー応答画像の効果について
- Authors: Neelanjan Bhowmik, Yona Falinie A. Gaus, Toby P. Breckon
- Abstract要約: 我々は,X線エネルギー応答(高,低)と有効Zの影響について,測地値と比較して検討した。
我々は、CNNアーキテクチャを評価し、そのような「Raw」変種画像で訓練されたモデルの転送可能性について検討する。
- 参考スコア（独自算出の注目度）: 17.639472693362926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic detection of prohibited items within complex and cluttered X-ray
security imagery is essential to maintaining transport security, where prior
work on automatic prohibited item detection focus primarily on pseudo-colour
(rgb}) X-ray imagery. In this work we study the impact of variant X-ray
imagery, i.e., X-ray energy response (high, low}) and effective-z compared to
rgb, via the use of deep Convolutional Neural Networks (CNN) for the joint
object detection and segmentation task posed within X-ray baggage security
screening. We evaluate state-of-the-art CNN architectures (Mask R-CNN, YOLACT,
CARAFE and Cascade Mask R-CNN) to explore the transferability of models trained
with such 'raw' variant imagery between the varying X-ray security scanners
that exhibits differing imaging geometries, image resolutions and material
colour profiles. Overall, we observe maximal detection performance using
CARAFE, attributable to training using combination of rgb, high, low, and
effective-z X-ray imagery, obtaining 0.7 mean Average Precision (mAP) for a six
class object detection problem. Our results also exhibit a remarkable degree of
generalisation capability in terms of cross-scanner transferability (AP:
0.835/0.611) for a one class object detection problem by combining rgb, high,
low, and effective-z imagery.
- Abstract（参考訳）: 複雑で散在したX線セキュリティ画像内の禁止アイテムの自動検出は、自動禁止アイテム検出が主に擬似色(rgb})X線画像に焦点をあてる交通安全維持に不可欠である。
本研究では,Rgbと比較して,X線エネルギー応答(高,低)および実効zの影響を,X線バッグセキュリティスクリーニングにおける共同物体検出およびセグメンテーションタスクの深部畳み込みニューラルネットワーク(CNN)を用いて検討する。
本稿では,最先端のcnnアーキテクチャ(mask r-cnn,yolact,carafe,cascade mask r-cnn)を評価し,画像形状や解像度,素材色プロファイルの異なるx線セキュリティスキャナ間の「raw」変種画像によるモデルの転送可能性について検討する。
総じて,carafeを用いた最大検出性能は,rgb,high,low, effective-zのx線画像の組み合わせにより,6種類の対象検出問題に対して0.7平均精度(map)を得た。
また,rgb,高,低,実効Z画像を組み合わせた一クラス物体検出問題に対して,クロススキャナ転送性(AP: 0.835/0.611)の点で顕著な一般化能力を示した。
関連論文リスト
- Fan-Beam CT Reconstruction for Unaligned Sparse-View X-ray Baggage Dataset [0.0]
不整合多視点X線バッグデータを用いたキャリブレーションと再構成手法を提案する。
提案手法は,多スペクトル神経減衰場再構成とLinear pushbroom (LPB) カメラモデルを用いたポーズ最適化を組み合わせたものである。
論文 参考訳（メタデータ） (2024-12-04T05:16:54Z) - BGM: Background Mixup for X-ray Prohibited Items Detection [75.58709178012502]
本稿では,X線画像固有の特徴を活かして,禁止項目検出に適した新しいデータ拡張手法を提案する。
1) X線透過画像: 反射光画像とは異なり、透過X線画素は、撮像経路に沿った複数の材料からの合成情報を表す。
本稿では,セキュリティスクリーニングにおけるアイテム検出の禁止を目的とした,単純かつ効果的なX線画像強調手法であるバックグラウンドミキサップ(BGM)を提案する。
論文 参考訳（メタデータ） (2024-11-30T12:26:55Z) - Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。
本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。
本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
論文 参考訳（メタデータ） (2024-11-28T13:04:45Z) - Illicit object detection in X-ray images using Vision Transformers [6.728794938150435]
Illicitオブジェクト検出は、さまざまな高セキュリティ場所で実施される重要なタスクである。
本研究では、SWINやNextViTのようなトランスフォーマーとハイブリッドのバックボーンの両方と、DINOやRT-DETRのような検出器を利用する。
論文 参考訳（メタデータ） (2024-03-27T22:36:02Z) - 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) - Affinity Feature Strengthening for Accurate, Complete and Robust Vessel
Segmentation [48.638327652506284]
血管セグメンテーションは、冠動脈狭窄、網膜血管疾患、脳動脈瘤などの多くの医学的応用において重要である。
コントラストに敏感なマルチスケールアフィニティアプローチを用いて,幾何学的手法と画素単位のセグメンテーション特徴を連成的にモデル化する新しいアプローチであるAFNを提案する。
論文 参考訳（メタデータ） (2022-11-12T05:39:17Z) - 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) - 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) - Cross-Modal Contrastive Learning for Abnormality Classification and
Localization in Chest X-rays with Radiomics using a Feedback Loop [63.81818077092879]
医療画像のためのエンドツーエンドのセミスーパーバイスドクロスモーダルコントラスト学習フレームワークを提案する。
まず、胸部X線を分類し、画像特徴を生成するために画像エンコーダを適用する。
放射能の特徴は別の専用エンコーダを通過し、同じ胸部x線から生成された画像の特徴の正のサンプルとして機能する。
論文 参考訳（メタデータ） (2021-04-11T09:16:29Z) - 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)
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。