SIXray：用于重叠图像中违禁物品发现的大规模安检 X 射线基准
计算机视觉与模式识别
2019-01-03 v1
摘要
在本文中，我们提出了一个大规模数据集，并为安检 X 射线图像中的违禁物品发现建立了基线。我们的数据集名为 SIXray，包含 1,059,231 张 X 射线图像，其中 8,929 个违禁物品的 6 个类别被手动标注。它提出了图像数据重叠的全新挑战，同时与现有数据集具有相同的属性，包括复杂但无意义的上下文和类别不平衡。我们提出了一种名为类别平衡分层细化（CHR）的方法来应对这些困难。CHR 假设每张输入图像都是从混合分布中采样的，并且深度网络需要迭代过程才能准确推断图像内容。为了加速，我们在不同的网络主干中插入反向连接，将高层视觉线索传递给中层特征以提供辅助。此外，设计了一种类别平衡损失函数，以最大程度地减轻简单负样本引入的噪声。我们在 SIXray 上以不同的正负样本比例评估了 CHR。与基线相比，CHR 在区分物体方面具有更好的能力，尤其是使用中层特征时，这为使用弱监督方法进行精确物体定位提供了可能。特别是，CHR 的优势在正训练样本较少的场景中更为显著，这证明了其在现实世界安检中的潜在应用价值。
引用
@article{arxiv.1901.00303,
title = {SIXray : A Large-scale Security Inspection X-ray Benchmark for Prohibited Item Discovery in Overlapping Images},
author = {Caijing Miao and Lingxi Xie and Fang Wan and Chi Su and Hongye Liu and Jianbin Jiao and Qixiang Ye},
journal= {arXiv preprint arXiv:1901.00303},
year = {2019}
}