基于深度学习的 X 射线图像违禁品视觉检测
计算机视觉与模式识别
2024-01-25 v2
摘要
X 射线图像中违禁物品的自动检测可显著提升公共安全，通过提高安检人员（在机场、地铁、海关/邮局等）的工作效率并减轻其精神负荷。高峰时段乘客、邮寄包裹等的大体量与高吞吐实际上使其成为大数据问题。依赖深度神经网络（DNN）的现代计算机视觉算法已证明能够承担此任务，即便在资源受限与嵌入式执行场景下（例如快速单阶段目标检测器的情况）。然而，在各种相关 DNN 组件/方法的通用评估协议下，尚未有比较实验评估，这意味着可靠的跨方法比较缺失。本文正提供此类比较评估，利用公开相关数据集与明确的方法论来选取受评估的具体 DNN 组件/模块。结果表明 Transformer 检测器的优越性、过去几年为安全应用开发的辅助神经模块的过时性，以及 CSP-DarkNet 骨干 CNN 的高效性。
引用
@article{arxiv.2310.03658,
title = {Visual inspection for illicit items in X-ray images using Deep Learning},
author = {Ioannis Mademlis and Georgios Batsis and Adamantia Anna Rebolledo Chrysochoou and Georgios Th. Papadopoulos},
journal= {arXiv preprint arXiv:2310.03658},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2305.01936