体积三维计算机断层扫描行李安检图像中的违禁物质检测
计算机视觉与模式识别
2020-12-23 v1 机器学习
图像与视频处理
摘要
文献中已研究在2D/3D X射线计算机断层扫描（CT）中自动检测禁止物品，以增强 checkpoint 的航空安全筛查。深度卷积神经网络（CNN）在2D X射线图像中展现出优越性能。然而，关于深度神经网络在体积三维CT行李筛查图像中物质检测的表现，现有证据非常有限。我们试图通过基于材料特征将深度神经网络应用于三维违禁物质检测来弥补这一差距。具体而言，我们将其表述为一个三维语义分割问题，以识别所有体素的材料类型，并据此检测违禁材料。为此，我们首先研究了基于3D CNN的语义分割算法，如3D U-Net及其变体。与体积三维CT数据原始的稠密表示形式不同，我们提出将CT体数据转换为稀疏点云，从而允许使用PointNet++等点云处理方法以实现更高效的处理。在公开可用数据集（NEU ATR）上的实验结果证明了3D U-Net和PointNet++在行李安全筛查三维CT图像材料检测中的有效性。
引用
@article{arxiv.2012.11753,
title = {Contraband Materials Detection Within Volumetric 3D Computed Tomography Baggage Security Screening Imagery},
author = {Qian Wang and Toby P. Breckon},
journal= {arXiv preprint arXiv:2012.11753},
year = {2020}
}
备注
8 pages