[論文レビュー] Active Terahertz Imaging Dataset for Concealed Object Detection

Dong Liang, Fei Xue+1 more|arXiv (Cornell University)|May 8, 2021

Terahertz technology and applicationsEngineering参考文献 21被引用数 20

ひとこと要約

本論文は、3,157枚の画像と1,349個のラベル付き物体（11クラス）を含む、非公開でない最初のアクティブTHz画像データセットを紹介しており、解像度は5 mm × 5 mmである。RetinaNetはmAPが最も高く（検出率91.46％、誤検出率1.27％）、YOLOv3、YOLOv4、FRCN-OHEMを上回り、特にセラミックナイフやキーライクな小形・検出が難しい物体において優れた性能を示した。

ABSTRACT

Concealed object detection in Terahertz imaging is an urgent need for public security and counter-terrorism. In this paper, we provide a public dataset for evaluating multi-object detection algorithms in active Terahertz imaging resolution 5 mm by 5 mm. To the best of our knowledge, this is the first public Terahertz imaging dataset prepared to evaluate object detection algorithms. Object detection on this dataset is much more difficult than on those standard public object detection datasets due to its inferior imaging quality. Facing the problem of imbalanced samples in object detection and hard training samples, we evaluate four popular detectors: YOLOv3, YOLOv4, FRCN-OHEM, and RetinaNet on this dataset. Experimental results indicate that the RetinaNet achieves the highest mAP. In addition, we demonstrate that hiding objects in different parts of the human body affect detection accuracy. The dataset is available at https://github.com/LingLIx/THz_Dataset.

研究の動機と目的

• アクティブTHz画像におけるマルチオブジェクト検出の評価に用いられる公開データセットの不足に応えること。特に低品質な画像条件下での検出を想定する。
• 現実世界の隠し物検出タスクにおいて、厳しい画像特性を持つデータセットを用いてディープラーニング検出器のベンチマークを可能にすること。
• オブジェクトの位置、姿勢、素材がTHz画像における検出性能に与える影響を調査すること。
• コンピュータビジョンとフォトエレクトリックイメージングのコミュニティを結ぶ標準化されたデータセットを提供し、厳しい画像条件下での検出技術の発展を促進すること。

提案手法

• 140 GHzアレイスキャンシステムを用いて、5 mm × 5 mm解像度で3,157枚のアクティブTHz画像を取得した。
• 10体の被験者（男性4名、女性6名）を対象に、体のさまざまな部位（腕、胸、脚など）や姿勢（画像平面と平行・垂直）に物体を隠して撮影した。
• Pascal VOCフォーマットを用いて11クラスに分類された1,349個のオブジェクトをアノテーション処理した。このうち289個は「未知」クラスに属する。
• mAP、検出率（DR）、誤検出率（FA）を用いて、YOLOv3、YOLOv4、FRCN-OHEM、RetinaNetの4つの最先端検出器を評価した。
• クラスの不均衡とハードネガティブサンプルの影響を軽減するため、RetinaNetにFocal Lossを適用し、希少または小形オブジェクトの性能向上を図った。
• 画像単位での評価としてDRとFAを用い、オブジェクトの位置・姿勢による検出リ콜の分析も実施した。

実験結果

リサーチクエスチョン

• RQ1 人体上のオブジェクトの位置と姿勢は、アクティブTHz画像における検出性能にどのように影響するか？
• RQ2 低品質なTHz画像を用いた公開データセットにおいて、どのディープラーニング検出器が最も高いmAPと検出率を達成するか？
• RQ3 クラスの不均衡と小形オブジェクト検出は、THz画像における標準的オブジェクト検出器の性能にどのように影響するか？
• RQ4 マルチビューや強化された特徴統合は、画像平面に対して垂直に配置されたオブジェクトの検出を向上させ得るか？
• RQ5 本データセットにおいて、異なる検出器の間で検出率と誤検出率のトレードオフはどのように変化するか？

主な発見

• RetinaNetは最も高い平均平均精度（mAP）と検出率（91.46％）を達成し、誤検出率も低く（1.27％）あり、YOLOv3、YOLOv4、FRCN-OHEMを上回った。
• RetinaNetの誤検出率がたった1.27％であるにもかかわらず、検出率が90％を超えており、高いロバスト性と信頼性を示している。
• YOLOv4は誤検出率が最も低かった（0.63％）が、検出率はRetinaNetに比べて低い（84.49％）ことが分かった。
• FRCN-OHEMは全体的な性能が最も低く、検出率83.86％、誤検出率18.99％と、高い誤検出率を示した。
• オブジェクトの位置によって検出性能に顕著な差が見られた。例えば、腕に配置されたオブジェクトのリコールはRetinaNetで0.5000と最低であり、脚に配置された場合は0.7000と高かった。これは人体の幾何学的形状が検出可能性に影響を及えることを示している。
• 画像平面に対して垂直に配置されたオブジェクトは、平行に配置されたものよりも顕著にリコールが低かった（例：RetinaNetで垂直時0.5577、平行時0.6105）。これは、マルチビューや検出戦略の導入が不可欠であることを示している。