用于X射线扫描中重度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
2020-04-16 v1
摘要
在过去二十年中，行李扫描已在全球成为首要的航空安全问题之一。人工筛查行李物品繁琐、易错且侵犯隐私。因此，许多研究者开发了基于X射线图像的自主系统以应对这些缺陷。本文提出一种级联结构张量框架，可自动提取并识别重度遮挡和杂乱行李中的可疑物品。所提框架独特之处在于，它通过从不同方向迭代选取基于轮廓的过渡信息来智能提取每个对象，并仅使用单个前馈卷积神经网络进行识别。所提框架使用来自公开GDXray和SIXray数据集共计1,067,381张X射线扫描图像进行了严格评估，在识别高度杂乱与重叠的可疑物品上优于SOTA方案，于GDXray达到平均精度均值0.9343，于SIXray达到0.9595。此外，基于公开可用目标检测器，所提框架在计算上实现了比现有方案优4.76%的运行时间性能。
引用
@article{arxiv.2004.06780,
title = {Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from X-ray Scans},
author = {Taimur Hassan and Samet Akcay and Mohammed Bennamoun and Salman Khan and Naoufel Werghi},
journal= {arXiv preprint arXiv:2004.06780},
year = {2020}
}