識別行李中的武器和其他危險物品是確保公共安全的重要任務。這些項目的人工檢測容易由于大的航空交通響亮或人員的經驗有限而出錯。已經為此任務創(chuàng)建了一些自動化框架;然而，它們中的大多數(shù)依賴于監(jiān)督學習，并且需要大量的真實標簽來確保穩(wěn)健的性能。

最近在 arXiv.org 上的一項研究提出了一種新穎的無監(jiān)督異常實例分割。它允許使用對正常行李 X 射線掃描的一次性培訓來識別行李威脅。通過利用原始掃描和重建掃描的差異來識別威脅。

一種新穎的方案極大地消除了掃描儀的變化以實現(xiàn)高泛化性。對幾個數(shù)據(jù)集的驗證證實，所提出的框架優(yōu)于其無監(jiān)督和半監(jiān)督的競爭對手。

識別隱藏在行李中的潛在威脅是安全人員最關心的問題。許多研究人員開發(fā)了可以通過 X 射線掃描檢測行李威脅的框架。然而，據(jù)我們所知，所有這些框架都需要對大規(guī)模和注釋良好的數(shù)據(jù)集進行廣泛的培訓，而這在現(xiàn)實世界中很難獲得。本文提出了一種新穎的無監(jiān)督異常實例分割框架，該框架將 X 射線掃描中的行李威脅識別為異常，而無需任何地面實況標簽。此外，由于其風格化能力，該框架僅訓練一次，并且在推理階段，無論掃描儀規(guī)格如何，它都會檢測和提取違禁品。我們的單階段方法最初學習通過編碼器-解碼器網(wǎng)絡利用建議的風格化損失函數(shù)重建正常行李內容。該模型隨后通過分析原始掃描和重建掃描內的差異來識別異常區(qū)域。然后對異常區(qū)域進行聚類和后處理以適合其定位的邊界框。此外，還可以附加一個可選的分類器與建議的框架，以識別這些提取的異常的類別。在四個公共行李 X 射線數(shù)據(jù)集上對提議的系統(tǒng)進行徹底評估，無需任何重新訓練，表明與傳統(tǒng)的完全監(jiān)督方法相比，它實現(xiàn)了具有競爭力的性能(即，SIXray 上的平均精度得分為 0.7941，0.8591在 GDXray 上，在 OPIXray 上為 0.7483，

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！