迈向自动威胁检测：X 射线安检成像中深度学习的进展综述
计算机视觉与模式识别
2021-09-14 v2
摘要
X 射线安检筛查被广泛用于维护航空/交通安保，其重要性引起了人们对自动筛查系统的特别关注。本文旨在通过将该领域分类为传统机器学习和当代深度学习应用来回顾计算机化 X 射线安检成像算法。第一部分简要讨论了 X 射线安检成像中使用的经典机器学习方法，而后一部分深入研究了现代深度学习算法的使用。所提出的分类法将深度学习方法进一步细分为监督、半监督和无监督学习，特别关注对象分类、检测、分割和异常检测任务。本文进一步探讨了成熟的 X 射线数据集并提供了性能基准。基于深度学习的当前和未来趋势，本文最后对 X 射线安检图像提出了讨论和未来方向。
引用
@article{arxiv.2001.01293,
title = {Towards Automatic Threat Detection: A Survey of Advances of Deep Learning within X-ray Security Imaging},
author = {Samet Akcay and Toby Breckon},
journal= {arXiv preprint arXiv:2001.01293},
year = {2021}
}
备注
Published in Pattern Recognition