面向极端遮挡下自主行李威胁检测的可训练结构张量
计算机视觉与模式识别
2020-10-06 v2 图像与视频处理
摘要
检测行李中的威胁物品即便对专业安检人员而言也是最为困难的任务之一。许多研究者已开发计算机辅助筛查系统，以从行李X射线扫描图像中识别此类威胁。然而，这些框架在识别极端遮挡下的违禁物品方面均存在局限。本文提出了一种新颖的实例分割框架，其利用可训练结构张量（通过扫描多个主导方向）来突出被遮挡及杂乱违禁物品的轮廓，同时抑制不相关的行李内容。所提框架已在四个公开X射线数据集上进行了广泛测试，在平均精度均值分数上优于当前最优框架。此外，据我们所知，它也是唯一一个在来自四种不同类型X射线扫描仪的灰度与彩色合并扫描图像上均通过验证的框架。
引用
@article{arxiv.2009.13158,
title = {Trainable Structure Tensors for Autonomous Baggage Threat Detection Under Extreme Occlusion},
author = {Taimur Hassan and Samet Akcay and Mohammed Bennamoun and Salman Khan and Naoufel Werghi},
journal= {arXiv preprint arXiv:2009.13158},
year = {2020}
}
备注
ACCV-2020 Camera Ready, Source Code: https://github.com/taimurhassan/TST