用于多厂商X射线图像中严重遮挡行李物品鲁棒识别的级联结构张量框架
计算机视觉与模式识别
2020-01-22 v2 机器学习
摘要
在过去二十年中，行李扫描已在全球范围内成为航空安全的主要关注点之一。人工筛查行李物品是一个繁琐、主观且低效的过程。因此，许多研究者开发了基于X射线图像的自主系统以解决这些不足。然而，据我们所知，迄今为止尚无能够从多厂商X射线图像中识别严重遮挡和杂乱行李物品的框架。本文提出一种级联结构张量框架，可自动提取并识别可疑物品，而不受其于多厂商X射线图像中位置和朝向的影响。所提框架的独特之处在于，它通过从不同朝向迭代选取基于轮廓的过渡信息来智能提取每个物体，并仅使用单个前馈卷积神经网络进行识别。所提框架已在公开可用的GDXray和SIXray数据集上进行了严格测试，共包含1,067,381张X射线图像，其在从GDXray和SIXray图像中提取和识别可疑物品方面分别以0.9343和0.9595的平均精度均值（mAP）显著优于现有最优方案。此外，所提框架在时间上实现了15.78%的提升。
引用
@article{arxiv.1912.04251,
title = {Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from Multi-Vendor X-ray Scans},
author = {Taimur Hassan and Salman H. Khan and Samet Akcay and Mohammed Bennamoun and Naoufel Werghi},
journal= {arXiv preprint arXiv:1912.04251},
year = {2020}
}