基于时间融合的多尺度语义分割在检测隐藏行李威胁中的应用
计算机视觉与模式识别
2021-11-09 v2 图像与视频处理
摘要
检测行李中的非法和威胁物品是当今最重要的安全问题之一。即使对于经验丰富的安保人员来说，人工检测也是一项耗时且压力大的任务。许多学者已经创建了自动化框架，用于从行李的 X 射线扫描中检测可疑和违禁数据。然而，据我们所知，目前尚无框架利用时间序列行李 X 射线图像来有效筛选高度隐藏和遮挡的物体，这些物体甚至肉眼几乎不可见。为了解决这个问题，我们提出了一种新颖的由时间融合驱动的多尺度残差风格编码器-解码器，该编码器-解码器将一系列连续扫描作为输入并对其进行融合，以生成可疑和非可疑行李内容的独特特征表示，从而更准确地提取违禁数据。所提出的方法已使用公开的 GDXray 数据集进行了全面测试，该数据集是唯一包含时间关联灰度 X 射线扫描并展示极度隐藏违禁数据的数据集。所提出的框架在 GDXray 数据集上的各项指标均优于其竞争者。
引用
@article{arxiv.2111.02651,
title = {Temporal Fusion Based Mutli-scale Semantic Segmentation for Detecting Concealed Baggage Threats},
author = {Muhammed Shafay and Taimur Hassan and Ernesto Damiani and Naoufel Werghi},
journal= {arXiv preprint arXiv:2111.02651},
year = {2021}
}
备注
Accepted in IEEE SMC 2021