[論文レビュー] Cascaded Structure Tensor Framework for Robust Identification of Heavily Occluded Baggage Items from X-ray Scans

Taimur Hassan, Samet Akçay+3 more|arXiv (Cornell University)|Apr 14, 2020

Advanced Neural Network Applications参考文献 43被引用数 15

ひとこと要約

本論文は、X線バッグスキャンにおける重度の遮蔽およびごみくず状態の疑わしい物品のロバストな検出を目的として、段階的構造テンソル（CST）フレームワークを提案する。繰り返し方向にわたる輪郭に基づく遷移特徴を抽出し、認識に単一の順方向畳み込みニューラルネットワーク（CNN）を用いることで、GDXrayでは0.9343、SIXrayでは0.9595の最先端の平均平均精度（mAP）を達成した。また、既存の検出器と比較して4.76%高速な推論を実現した。

ABSTRACT

In the last two decades, baggage scanning has globally become one of the prime aviation security concerns. Manual screening of the baggage items is tedious, error-prone, and compromise privacy. Hence, many researchers have developed X-ray imagery-based autonomous systems to address these shortcomings. This paper presents a cascaded structure tensor framework that can automatically extract and recognize suspicious items in heavily occluded and cluttered baggage. The proposed framework is unique, as it intelligently extracts each object by iteratively picking contour-based transitional information from different orientations and uses only a single feed-forward convolutional neural network for the recognition. The proposed framework has been rigorously evaluated using a total of 1,067,381 X-ray scans from publicly available GDXray and SIXray datasets where it outperformed the state-of-the-art solutions by achieving the mean average precision score of 0.9343 on GDXray and 0.9595 on SIXray for recognizing the highly cluttered and overlapping suspicious items. Furthermore, the proposed framework computationally achieves 4.76\% superior run-time performance as compared to the existing solutions based on publicly available object detectors

研究の動機と目的

• 従来の手法が低テクスチャおよび複雑な重なりにより失敗する、X線バッグスキャンにおける重度の遮蔽およびごみくず状態の疑わしい物品の検出という課題に対処すること。
• 膨大な領域提案生成や回帰ネットワークを回避する、計算効率が高くエンドツーエンドのシステムを構築すること。
• 複数の方向にわたる構造テンソルに基づく輪郭解析を活用して、低テクスチャのX線画像における検出のロバスト性を向上させること。
• クラスの不均衡や極端な遮蔽が生じるベンチマークデータセットにおいて、優れた性能を達成すること。
• 航空保安における手動スクリーニングの代替手段として、スケーラブルでプライバシーを保護するソリューションを提供すること。

提案手法

• フレームワークは、複数の方向にわたる輪郭に基づく遷移的強度変化を段階的に検出するための段階的構造テンソル（CST）を用いる。これにより、ごみくず状態のX線スキャンにおける物体境界への感受性が向上する。
• 各方向における構造テンソル応答を計算することで、エッジや交差部が強調され、重なっている物資や重なった物品の検出が、重度の遮蔽下でも可能になる。
• 構造的不連続性に基づいて、段階的かつ輪郭駆動のプロセスにより、物体領域を次第に分離する提案生成が行われる。
• 抽出された提案に対して、単一の事前学習済み畳み込みニューラルネットワーク（CNN）がエンドツーエンド認識を実行し、領域提案ネットワークや回帰ヘッドの必要性がなくなる。
• 本手法は、mAP、IoU、AUCといった標準的な指標を用いて、GDXrayおよびSIXrayの公開データセット上で学習および評価が行われた。
• 推論速度に最適化されたフレームワークにより、YOLOv3 や Faster R-CNN などの最先端の検出器と比較して、4.76%高速な実行時間が達成された。

実験結果

リサーチクエスチョン

• RQ1 輪郭に基づく、構造テンソル駆動のアプローチは、低テクスチャのX線画像における重なった物体や遮蔽された物体を効果的に検出できるか？
• RQ2 領域提案ネットワークや回帰ヘッドが不要な状態で、単一の順方向CNNが優れた検出性能を達成できるか？
• RQ3 段階的構造テンソルフレームワークは、遮蔽されたバッグスキャンにおいて、既存の物体検出器と比較して精度および推論速度の点で優れているか？
• RQ4 本フレームワークは、バッグスクリーニングデータセットにおけるクラスの不均衡の影響をどの程度軽減できるか？
• RQ5 本手法は、極端な遮蔽および複雑なごみくず状態を伴う実世界のシナリオにも一般化可能か？

主な発見

• 提案されたCSTフレームワークは、GDXrayデータセットで0.9343の平均平均精度（mAP）を達成し、既存の最先端手法を顕著に上回った。
• SIXrayデータセットでは、mAPが0.9595に達し、極めてごみくずが多く重なった疑わしい物品の検出において優れたロバスト性を示した。
• SIXrayでは平均交差率（IoU）が0.9689、GDXrayでは0.9644を記録し、高品質なバウンディングボックス予測を示した。
• SIXrayでは受信器操作特性曲線下の面積（AUC）が0.9950、GDXrayでは0.9878を記録し、正常品と疑わしい物品の間の優れた識別性能を示した。
• 領域提案および回帰モジュールが存在しないため、YOLOv3 や他の主要な検出器と比較して4.76%高速な推論時間が達成された。
• 失敗事例は稀であり、主に極端な遮蔽や類似物体（例：ピストルがナイフと誤分類）によるものであったが、多くの場合、下流のフィルタリング用に低信頼度スコアでフラグが立てられた。