基于双能X射线安检图像的异常检测中的部件级联合分割与分类
计算机视觉与模式识别
2022-11-01 v1 人工智能
机器学习
摘要
X射线行李安检已广泛应用，对威胁/异常检测任务中的交通安保至关重要。近年来，利用二维X射线图像自动检测隐藏在杂乱复杂电子/电器物品中的异常成为主要研究兴趣。我们采用深度卷积神经网络架构，引入部件级联合分割与分类策略来解决该任务。性能在一个由消费类电气和电子产品组成的杂乱X射线行李安检图像数据集上评估，使用了多种双能X射线图像（伪彩色、高能、低能和有效原子序数）。所提出的部件级联合分割与分类方法在异常检测任务中取得了约99%真正率和约5%假正率。
引用
@article{arxiv.2210.16453,
title = {Joint Sub-component Level Segmentation and Classification for Anomaly Detection within Dual-Energy X-Ray Security Imagery},
author = {Neelanjan Bhowmik and Toby P. Breckon},
journal= {arXiv preprint arXiv:2210.16453},
year = {2022}
}