用于行李威脅識別的無監(jiān)督異常實例分割
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(wù)。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(jīng)驗有限而出錯。已經(jīng)為此任務(wù)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(xué)習(xí)，并且需要大量的真實標(biāo)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(xùn)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(guān)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(jìn)行廣泛的培訓(xùn)，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(biāo)簽。此外，由于其風(fēng)格化能力，該框架僅訓(xùn)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(xué)習(xí)通過編碼器-解碼器網(wǎng)絡(luò)利用建議的風(fēng)格化損失函數(shù)重建正常行李內(nèi)容。該模型隨后通過分析原始掃描和重建掃描內(nèi)的差異來識別異常區(qū)域。然后對異常區(qū)域進(jìn)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(jìn)行徹底評估，無需任何重新訓(xùn)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，
標(biāo)簽： 無監(jiān)督異常實例分割