論文の概要: Illicit item detection in X-ray images for security applications
- arxiv url: http://arxiv.org/abs/2305.01936v1
- Date: Wed, 3 May 2023 07:28:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 15:40:45.513658
- Title: Illicit item detection in X-ray images for security applications
- Title（参考訳）: セキュリティ用x線画像における不正項目検出
- Authors: Georgios Batsis, Ioannis Mademlis, Georgios Th. Papadopoulos
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 7.519872646378835
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated detection of contraband items in X-ray images can significantly
increase public safety, by enhancing the productivity and alleviating the
mental load of security officers in airports, subways, customs/post offices,
etc. The large volume and high throughput of passengers, mailed parcels, etc.,
during rush hours make it a Big Data analysis task. Modern computer vision
algorithms relying on Deep Neural Networks (DNNs) have proven capable of
undertaking this task even under resource-constrained and embedded execution
scenarios, e.g., as is the case with fast, single-stage, anchor-based object
detectors. This paper proposes a two-fold improvement of such algorithms for
the X-ray analysis domain, introducing two complementary novelties. Firstly,
more efficient anchors are obtained by hierarchical clustering the sizes of the
ground-truth training set bounding boxes; thus, the resulting anchors follow a
natural hierarchy aligned with the semantic structure of the data. Secondly,
the default Non-Maximum Suppression (NMS) algorithm at the end of the object
detection pipeline is modified to better handle occluded object detection and
to reduce the number of false predictions, by inserting the Efficient
Intersection over Union (E-IoU) metric into the Weighted Cluster NMS method.
E-IoU provides more discriminative geometrical correlations between the
candidate bounding boxes/Regions-of-Interest (RoIs). The proposed method is
implemented on a common single-stage object detector (YOLOv5) and its
experimental evaluation on a relevant public dataset indicates significant
accuracy gains over both the baseline and competing approaches. This highlights
the potential of Big Data analysis in enhancing public safety.
- Abstract（参考訳）: 空港や地下鉄、税関・郵便局などの警備員の精神的負担を軽減することで、x線画像中のコントラバンド項目の自動検出は公共の安全を大幅に向上させることができる。
ラッシュ時の乗客の大量かつ高スループット、郵便荷物等は、ビッグデータ分析タスクとなる。
ディープニューラルネットワーク(DNN)に依存した現代のコンピュータビジョンアルゴリズムは、高速で単一ステージのアンカーベースのオブジェクト検出器と同様に、リソース制約や組込み実行シナリオの下でも、このタスクを遂行できることが証明されている。
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次元的改良を提案する。
第一に、より効率的なアンカーは、基底トラストレーニングセット境界ボックスのサイズを階層的にクラスタリングすることによって得られるので、結果として得られるアンカーは、データのセマンティック構造に沿った自然な階層に従う。
第二に、オブジェクト検出パイプラインの終端にあるデフォルトの非最大抑圧(NMS)アルゴリズムは、重み付きクラスタNMSメソッドにE-IoU(Efficient Intersection over Union)メトリックを挿入することにより、隠蔽されたオブジェクトの検出をよりうまく処理し、誤予測の数を減らすために修正される。
E-IoUは、候補境界ボックス/Regions-of-Interest(RoIs)間のより識別的な幾何学的相関を提供する。
提案手法は,共通単段物体検出器 (yolov5) に実装され,関連する公開データセットに対する実験的評価は,ベースラインと競合するアプローチの両方に対して有意な精度向上を示す。
これは、公共の安全性向上におけるビッグデータ分析の可能性を強調している。
関連論文リスト
- Visual inspection for illicit items in X-ray images using Deep Learning [7.350725076596881]
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。
論文 参考訳（メタデータ） (2023-10-05T16:35:27Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - 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) - End-to-End Instance Edge Detection [29.650295133113183]
エッジ検出は長い間、コンピュータビジョンの分野で重要な問題であった。
従来の研究は、カテゴリ非依存またはカテゴリ対応エッジ検出を探索してきた。
本稿では,オブジェクトインスタンスのコンテキストにおけるエッジ検出について検討する。
論文 参考訳（メタデータ） (2022-04-06T15:32:21Z) - MD-CSDNetwork: Multi-Domain Cross Stitched Network for Deepfake
Detection [80.83725644958633]
現在のディープフェイク生成法では、偽画像やビデオの周波数スペクトルに識別的アーティファクトが残されている。
MD-CSDNetwork(MD-CSDNetwork)と呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2021-09-15T14:11:53Z) - DAFNe: A One-Stage Anchor-Free Deep Model for Oriented Object Detection [16.21161769128316]
DAFNe: オブジェクト指向物体検出のためのワンステージアンカーフリーディープネットワークを提案する。
アンカーフリーモデルとして、DAFNeはバウンディングボックスアンカーの使用を控えることで予測複雑性を低減する。
低品質な予測に対する任意指向の有界箱に対する中心性関数の指向性を考慮した一般化を提案する。
論文 参考訳（メタデータ） (2021-09-13T17:37:20Z) - MRDet: A Multi-Head Network for Accurate Oriented Object Detection in
Aerial Images [51.227489316673484]
水平アンカーから変換された指向性提案を生成するために、任意指向領域提案ネットワーク(AO-RPN)を提案する。
正確なバウンディングボックスを得るために,検出タスクを複数のサブタスクに分離し,マルチヘッドネットワークを提案する。
各ヘッドは、対応するタスクに最適な特徴を学習するために特別に設計されており、ネットワークがオブジェクトを正確に検出することができる。
論文 参考訳（メタデータ） (2020-12-24T06:36:48Z) - Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
本稿では,分類に基づく比較的研究の少ない方法論について検討する。
我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。
航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2020-11-19T05:42:02Z) - Background Adaptive Faster R-CNN for Semi-Supervised Convolutional
Object Detection of Threats in X-Ray Images [64.39996451133268]
我々は、バックグラウンド適応型高速R-CNNと呼ばれる脅威認識のための半教師付きアプローチを提案する。
本手法は,ディープラーニング分野からのドメイン適応手法を用いた2段階物体検出器の訓練手法である。
2つのドメイン識別器(1つはオブジェクト提案を識別し、もう1つは画像特徴を識別する)は、ドメイン固有の情報を符号化するのを防ぐために敵対的に訓練される。
これにより、手作業の背景から抽出した特徴の統計と実世界のデータとを一致させることで、脅威検出の誤報率を低減することができる。
論文 参考訳（メタデータ） (2020-10-02T21:05:13Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z)
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。