マルチベンダーX線スキャンからの高度に隠蔽されたバグゲージアイテムのロバストな同定のためのカスケード構造テンソルフレームワーク【JST・京大機械翻訳】

Hassan Taimur; Khan Salman H.; Akcay Samet; Bennamoun Mohammed; Werghi Naoufel

プレプリント

J-GLOBAL ID：202202219369530581 整理番号：22P0091876

マルチベンダーX線スキャンからの高度に隠蔽されたバグゲージアイテムのロバストな同定のためのカスケード構造テンソルフレームワーク【JST・京大機械翻訳】

Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from Multi-Vendor X-ray Scans

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2019年12月09日プレプリントサーバーでの情報更新日： 2020年01月21日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

過去20年間, lu金走査は世界的に主要な航空セキュリティ関心事の1つになっている。バッグアイテムのマニュアルスクリーニングは,厄介な,主観的で非効率的なプロセスである。したがって,多くの研究者がX線画像ベースの自律システムを開発し,これらの欠点に対処した。しかしながら,著者らの知る限りでは,マルチベンダーX線スキャンから,大きく閉塞され,乱雑なバッグアイテムを認識できるフレームワークはない。本論文では,マルチベンダーX線スキャンにおける位置および方向に関係なく,疑わしいアイテムを自動的に抽出および認識できるカスケード構造テンソルフレームワークを提案した。提案フレームワークは,異なる方向から輪郭ベース遷移情報を反復的に抽出することにより,各オブジェクトを知的に抽出するのでユニークであり,認識のための単一フィードフォワード畳込みニューラルネットワークのみを使用する。提案したフレームワークは,GDX線とSIX線スキャンから疑わしい項目を抽出し,認識するための平均精度スコア0.9343と0.9595の達成により,最先端の解をはるかに上回る,合計1,067,381X線スキャンを含む公的に利用可能なGDX線とSIX線データセットで厳密にテストされた。さらに,提案フレームワークは15.78%のより良い時間を達成した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , , , , , , ,

前のページに戻る