基于深度学习的复杂货运X射线图像中隐蔽车辆检测

基于X射线成像技术的非侵入式检测系统常规用于交通枢纽，以确保货物内容与提供的装运清单一致。随着贸易量增加与法规趋严，受训操作员的人工检查因低吞吐量而越来越不可行。机器视觉技术可通过使部分检查工作流程自动化来辅助操作员任务。由于汽车经常牵涉走私、出口欺诈和逃税等活动，它们成为自动化检测并标记以供操作员后续检查的理想目标。在本文中，我们描述了一种基于从零开始训练的卷积神经网络的X射线货运图像中汽车检测方法。通过引入适当解决可用于训练的汽车图像数量少的过采样方案，我们在假阳性率为1/454的情况下实现了100%的汽车图像分类率。被其他货物部分或完全遮挡的汽车——犯罪分子常采用的作案手法——被正确检测。我们认为该性能水平表明该方法适合现场部署。预计所述通用目标检测工作流在具备合适训练数据时可扩展至其他目标类别。