体三维 CT 行李安检图像中违禁物品分类与检测的评价
计算机视觉与模式识别
2020-03-31 v1 机器学习
摘要
基于 X 射线计算机断层扫描（CT）的 3D 成像广泛用于机场航空安检，而先前关于违禁物品检测的工作主要关注 2D X 射线图像。本文中，我们旨在评估将自动违禁物品检测从 2D X 射线图像扩展到体三维 CT 行李安检图像的可能性。为此，我们在工作中利用了 3D 卷积神经网络（CNN）以及流行的目标检测框架如 RetinaNet 和 Faster R-CNN。作为使用 3D CNN 进行体三维 CT 行李安检的首次尝试，我们首先在不同 CNN 架构上对孤立违禁物品体的分类进行评估，并与使用手工特征的传统方法比较。随后，我们在体三维 CT 行李图像上评估不同架构的目标检测性能。我们在 Bottle 和 Handgun 数据集上的实验结果表明，3D CNN 模型可达到与传统方法相当的性能（98% 真阳性率和 1.5% 假阳性率），但推理所需时间显著更少（每体 0.014s）。此外，扩展的 3D 目标检测模型在体三维 CT 行李图像中检测违禁物品上取得了有前景的性能，瓶子 mAP 为 76%，手枪 mAP 为 88%，这显示了此类威胁检测在 3D CT X 射线安检图像中的挑战与前景。
引用
@article{arxiv.2003.12625,
title = {On the Evaluation of Prohibited Item Classification and Detection in Volumetric 3D Computed Tomography Baggage Security Screening Imagery},
author = {Qian Wang and Neelanjan Bhowmik and Toby P. Breckon},
journal= {arXiv preprint arXiv:2003.12625},
year = {2020}
}
备注
Accepted to IJCNN 2020