Jan, 2019

SIXray：一种用于重叠图像中发现禁止物品的大规模安全检查 X 射线基准

PDF
TL;DR介绍一个名为 SIXray 的大规模数据集以及处理该数据集中目标检测困难的方法 class-balanced hierarchical refinement（CHR），可以用于安全检查中的物品检测和定位。
prohibited item discoverysecurity inspection x-ray imagesdatasetclass-balanced hierarchical refinementobject localization
发现论文，激发创造
  • 朝向真实世界的禁止物品检测：一项大规模 X 光线基准

    使用计算机视觉技术进行自动安全检查是真实世界场景中的一项具有挑战性的任务，作者通过合成出一个大规模数据集 PIDray，采用选择性密集注意力网络 (SDANet) 进行目标检测，包括故意隐藏的物品，相比现有模型取得了更好的检测效果。

    Aug, 2021

  • 安全应用中 X 射线图像非法物品检测

    本文提出了一种改进的基于深度神经网络的自动化 X 射线图像检测方法，通过使用更高效的框和修改默认 NMS 算法实现更准确的物体检测，突显了大数据分析在提高公共安全方面的潜力。

    May, 2023

  • 基于微调 CLIP 的开放词汇 X 射线禁物检测

    引入 X 射线特征适配器和开放词汇目标检测任务，通过对特定 X 射线领域中的 CLIP 进行扩展，开展 X 射线安全检查领域的开放集 X 射线禁止物品检测，以检测训练基准类别之外的新禁止物品类别。

    Jun, 2024

  • 不平衡数据下的 COVID-19 胸部 X 射线分类的少样本学习：一项领域内外研究

    通过应用 Siamese 神经网络和一系列技术，研究医学图像数据集对少样本学习和数据不平衡的影响，提出了解决数据稀缺和分布不平衡问题的方法，并对不同分类器在准确性上进行了评估和比较。

    Jan, 2024

  • 遮挡物品检测：X 射线安全检测基准和去遮挡注意力模块

    该研究旨在解决 X 射线图像中物品严重遮挡导致安检表现不佳的问题，提出了 OPIXray 数据集和基于 De-occlusion Attention Module（DOAM）的检测器插件，DOAM 利用物品颜色和纹理信息生成的注意力图帮助改善检测器的特征图，在三种遮挡下，DOAM 显著提高了 SSD，FCOS 等检测方法的性能。

    Apr, 2020

  • 双能 X 射线安检图像异常检测中的联合子部件级别分割和分类

    使用深度卷积神经网络架构，引入联合物体子组件级分割和分类策略，对笼统的双能 X 射线图像数据集上的异常检测任务进行评估，该方法取得最高 99% 的真正例率和 5% 的假正例率。

    Oct, 2022

  • GraphX$^{NET}$- 极端微弱监督下的胸部 X 光分类

    本论文提出了一种基于图形优化模型、使用半监督学习的新型 X 射线分类框架，采用精选课程先验的新多类分类功能，证明了该方法产生竞争性结果，并极大地减少了注释数据的需求。

    Jul, 2019

  • 深度胸透分类器中的公平差距

    在医学影像方面，机器学习系统已经受到了广泛的关注。本文检查了最先进的深度学习分类器在从 X 光图像中产生诊断标签方面的性能偏差程度，发现在所有数据集，所有临床任务和所有子群体中都存在 TPR 差异。

    Feb, 2020

  • 使用深度学习进行 X 射线图像中非法物品的视觉检查

    自动检测 X 射线图像中的违禁物品可以显著增加公共安全，提高机场、地铁、海关 / 邮局等地的安全人员的工作效率，并减轻其心理负担。研究表明，变压器检测器优越于过去几年为安全应用开发的辅助神经模块和 CSP-DarkNet 骨干卷积神经网络十分高效。

    Oct, 2023

  • AO-DETR：针对 X 射线禁止物品检测的反重叠 DETR

    禁止项目检测中 X 射线图像的抗重叠 DETR（AO-DETR）是一种基于 DINO 的最新一代目标检测器之一，通过采用类特定一对一分配策略和前向稠密方案解决了重叠现象带来的特征耦合和边缘模糊问题，并在 PIXray 和 OPIXray 数据集上的实验证明了其在禁止项目检测领域的潜在应用。

    Mar, 2024