論文の概要: Illicit object detection in X-ray imaging using deep learning techniques: A comparative evaluation

• arxiv url: http://arxiv.org/abs/2507.17508v1
• Date: Wed, 23 Jul 2025 13:47:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:15.01765
• Title: Illicit object detection in X-ray imaging using deep learning techniques: A comparative evaluation
• Title（参考訳）: 深層学習技術を用いたX線画像における不完全物体検出:比較評価
• Authors: Jorgen Cani, Christos Diou, Spyridon Evangelatos, Vasileios Argyriou, Panagiotis Radoglou-Grammatikis, Panagiotis Sarigiannidis, Iraklis Varlamis, Georgios Th. Papadopoulos,
• Abstract要約: 自動X線検査は、様々な公開環境において、効率的で控えめなセキュリティスクリーニングに不可欠である。 この分野での大規模な研究にもかかわらず、報告された実験評価はしばしば不完全である。 研究の状況に光を当て、さらなる研究を促進するため、最近の深層学習(DL)に基づくX線物体検出手法の体系的、詳細な、比較評価を行った。
• 参考スコア（独自算出の注目度）: 9.33554429903529
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated X-ray inspection is crucial for efficient and unobtrusive security screening in various public settings. However, challenges such as object occlusion, variations in the physical properties of items, diversity in X-ray scanning devices, and limited training data hinder accurate and reliable detection of illicit items. Despite the large body of research in the field, reported experimental evaluations are often incomplete, with frequently conflicting outcomes. To shed light on the research landscape and facilitate further research, a systematic, detailed, and thorough comparative evaluation of recent Deep Learning (DL)-based methods for X-ray object detection is conducted. For this, a comprehensive evaluation framework is developed, composed of: a) Six recent, large-scale, and widely used public datasets for X-ray illicit item detection (OPIXray, CLCXray, SIXray, EDS, HiXray, and PIDray), b) Ten different state-of-the-art object detection schemes covering all main categories in the literature, including generic Convolutional Neural Network (CNN), custom CNN, generic transformer, and hybrid CNN-transformer architectures, and c) Various detection (mAP50 and mAP50:95) and time/computational-complexity (inference time (ms), parameter size (M), and computational load (GFLOPS)) metrics. A thorough analysis of the results leads to critical observations and insights, emphasizing key aspects such as: a) Overall behavior of the object detection schemes, b) Object-level detection performance, c) Dataset-specific observations, and d) Time efficiency and computational complexity analysis. To support reproducibility of the reported experimental results, the evaluation code and model weights are made publicly available at https://github.com/jgenc/xray-comparative-evaluation.
• Abstract（参考訳）: 自動X線検査は、様々な公開環境において、効率的で控えめなセキュリティスクリーニングに不可欠である。 しかしながら、物体の閉塞、アイテムの物理的特性の変化、X線走査装置の多様性、限られたトレーニングデータなどの課題は、不正なアイテムの正確かつ確実な検出を妨げている。 この分野での大規模な研究にもかかわらず、報告された実験的評価はしばしば不完全であり、しばしば矛盾する結果となる。 研究の状況に光を当て、さらなる研究を促進するために、最近の深層学習(DL)に基づくX線物体検出手法の体系的、詳細な、徹底的な比較評価を行う。 そのため、次のような総合的な評価フレームワークが開発されている。 a)X線違法物検出のための6つの最近の大規模かつ広く使用されている公共データセット(OPIXray, CLCXray, SIXray, EDS, HiXray, PIDray) b) 汎用畳み込みニューラルネットワーク(CNN)、カスタムCNN、ジェネリックトランスフォーマー、ハイブリッドCNNトランスフォーマーアーキテクチャなど、文献のすべての主要カテゴリをカバーする最先端のオブジェクト検出スキーム c)様々な検出(mAP50及びmAP50:95)と時間/計算複雑度(ms)、パラメータサイズ(M)、計算負荷(GFLOPS)メトリクス。 結果の徹底的な分析は、批判的な観察と洞察をもたらし、次のような重要な側面を強調します。 a) 対象検出方式の全体的な動作 b) 対象レベルの検出性能 c)データセット固有の観察、及び d) 時間効率と計算複雑性の分析。 報告された実験結果の再現性をサポートするため、評価コードとモデルウェイトはhttps://github.com/jgenc/xray-comparative-evaluationで公開されている。

関連論文リスト

• Hyperspectral Anomaly Detection Methods: A Survey and Comparative Study [1.074960192271861]
  ハイパースペクトル異常検出(ハイパースペクトル異常検出、英: Hyperspectral Anomaly Detection、HAD)は、超スペクトルシーンやターゲットスペクトルに関する事前情報なしで、そのようなデータ中の異常なターゲットを特定し、位置を特定する技術である。 本研究では,様々なHAD手法を包括的に比較し,統計モデル,表現ベース手法,古典的機械学習手法,ディープラーニングモデルに分類する。 その結果,ディープラーニングモデルは検出精度が最も高かったのに対し,統計モデルは全データセットで例外的な速度を示した。
  論文  参考訳（メタデータ） (2025-07-08T07:23:24Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerの総合的な視覚異常検出ベンチマークを提案する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• 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)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Learning Invariant Feature Representation to Improve Generalization across Chest X-ray Datasets [55.06983249986729]
  我々は、トレーニングデータと同じデータセットでテストすると、ディープラーニングモデルが、異なるソースからデータセットでテストされると、パフォーマンスが低下し始めることを示す。 対戦型トレーニング戦略を用いることで、ネットワークはソース不変表現を学習せざるを得ないことを示す。
  論文  参考訳（メタデータ） (2020-08-04T07:41:15Z)
• BS-Net: learning COVID-19 pneumonia severity on a large Chest X-Ray dataset [6.5800499500032705]
  我々は、Chest X-rays画像(CXR)に基づいて、新型コロナウイルス患者の肺妥協の度合いを判定するエンド・ツー・エンドのディープラーニングアーキテクチャを設計する。 当院で収集した約5,000個のCXR注釈画像の臨床的データセットを利用して検討した。 私たちのソリューションは、評価精度と一貫性において、一人のアノテータよりも優れています。
  論文  参考訳（メタデータ） (2020-06-08T13:55:58Z)
• Deep Mining External Imperfect Data for Chest X-ray Disease Screening [57.40329813850719]
  我々は、外部のCXRデータセットを組み込むことで、不完全なトレーニングデータにつながると論じ、課題を提起する。 本研究は,多ラベル病分類問題を重み付き独立二分課題として分類する。 我々のフレームワークは、ドメインとラベルの相違を同時にモデル化し、対処し、優れた知識マイニング能力を実現する。
  論文  参考訳（メタデータ） (2020-06-06T06:48:40Z)
• An Extensive Study on Cross-Dataset Bias and Evaluation Metrics Interpretation for Machine Learning applied to Gastrointestinal Tract Abnormality Classification [2.985964157078619]
  GI領域における疾患の自動解析は、コンピュータ科学や医学関連雑誌でホットな話題となっている。 クロスデータセットによる評価指標と機械学習モデルの明確な理解は、この分野の研究を新たな品質レベルに導くために不可欠である。 16種類のGIトラクタ条件を分類できる5つの異なる機械学習モデルの包括的評価を行う。
  論文  参考訳（メタデータ） (2020-05-08T08:59:31Z)
• 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)
• Multi-Objective Variational Autoencoder: an Application for Smart Infrastructure Maintenance [1.2311105789643062]
  マルチウェイセンシングデータにおけるスマートインフラストラクチャ損傷検出と診断のための多目的変分オートエンコーダ(MVA)手法を提案する。 そこで本手法では,複数のセンサから情報的特徴を抽出し,損傷同定に活用する。
  論文  参考訳（メタデータ） (2020-03-11T01:30:08Z)

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。