面向行李威胁识别的张量池化驱动实例分割框架
计算机视觉与模式识别
2021-09-22 v2
摘要
用于从 X 射线图像中筛查违禁物品的自动化系统仍面临高杂乱度、隐蔽性与极端遮挡等困难。本文利用一种新颖的多尺度轮廓实例分割框架应对该挑战，其能有效识别行李 X 射线扫描中的杂乱违禁数据。不同于采用基于区域或基于关键点技术对物体生成多个边界框的标准模型，我们提出依据由轮廓所定义区域的层次结构来导出候选框。所提框架在三个公开数据集 GDXray、SIXray 与 OPIXray 上进行了严格验证，分别以 0.9779、0.9614 与 0.8396 的平均精度均值优于当前最优方法。此外，据我们所知，这是首个利用多尺度信息从彩色与灰度安检 X 射线图像中识别杂乱及隐蔽违禁数据的轮廓实例分割框架。
引用
@article{arxiv.2108.09603,
title = {Tensor Pooling Driven Instance Segmentation Framework for Baggage Threat Recognition},
author = {Taimur Hassan and Samet Akcay and Mohammed Bennamoun and Salman Khan and Naoufel Werghi},
journal= {arXiv preprint arXiv:2108.09603},
year = {2021}
}
备注
Accepted in Neural Computing and Applications. Source code is available at https://github.com/taimurhassan/tensorpooling