[論文レビュー] Improved YOLOv8 Detection Algorithm in Security Inspection Image

Liyao Lu|arXiv (Cornell University)|Aug 12, 2023

Radiomics and Machine Learning in Medical Imaging被引用数 6

ひとこと要約

本稿では、セキュリティ検査におけるX線画像を用いた違法物品検出のための、YOLOv8sに基づく改善型アルゴリズムであるCSS-YOLOを提案する。クロス接続モジュールと動的ラベル割り当て戦略を統合することで、特徴表現を向上させ、誤検出・見逃し検出を低減し、独自のX線データセットで94.7%のmAPおよび92.1%のF1スコアを達成し、最先端の性能を実現した。

ABSTRACT

Security inspection is the first line of defense to ensure the safety of people's lives and property, and intelligent security inspection is an inevitable trend in the future development of the security inspection industry. Aiming at the problems of overlapping detection objects, false detection of contraband, and missed detection in the process of X-ray image detection, an improved X-ray contraband detection algorithm CSS-YOLO based on YOLOv8s is proposed.

研究の動機と目的

• X線セキュリティ検査における重複検出対象の問題と、高い誤検出・見逃し検出率を解決すること。
• 複雑なX線画像内での違法物品検出におけるYOLOv8sのロバスト性と精度を向上させること。
• 新規モジュールとラベル割り当て戦略を用いて、小形および重複する物体の検出における特徴学習を強化すること。
• 提案手法の有効性を実世界のX線検査データセット上で検証すること。
• セキュリティスクリーニングの文脈における違法物品検出で、mAPおよびF1スコアの最先端性能を達成すること。

提案手法

• バックボーンネットワークの異なる段階におけるマルチスケール特徴を統合することで、特徴表現を向上させるためのクロスステージコンカタネーションを用いたクロス接続モジュール（CCM）を導入する。
• CCMは、クロスステージ連結とアテンションベースの特徴融合を用い、小形および重複する物体の文脈的理解を強化する。
• 標準のIoUベースの割り当てに代わり、密集したX線画像における正例のマッチングを改善するため、動的ラベル割り当て（DLA）戦略を採用する。
• DLAは、物体のサイズと特徴品質に基づいて、正例割り当ての信頼度しきい値を動的に調整する。
• 改良されたYOLOv8sアーキテクチャを、多様な違法物品を含む独自のX線データセット上でエンドツーエンドで訓練する。
• ホールドアウトされたテストセットを用いて、mAP、F1スコア、および精度／再現率の指標でモデル性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 X線画像における小形および重複する違法物品の特徴表現をどのように改善できるか？
• RQ2 動的ラベル割り当ては、複雑なX線シーンにおける誤検出および見逃し検出をどの程度低減できるか？
• RQ3 クロス接続モジュールの統合により、推論遅延を増加させることなく検出精度を向上させられるか？
• RQ4 X線セキュリティ検査ベンチマークにおいて、提案されたCSS-YOLO手法は、ベースラインのYOLOv8sおよび他の最先端検出器と比較してどのように差をつけるか？
• RQ5 提案されたコンponentsが、実世界のセキュリティ検査シナリオにおけるmAPおよびF1スコアに与える影響は何か？

主な発見

• 提案されたCSS-YOLOモデルは、独自のX線データセットで平均平均精度（mAP）94.7%を達成し、ベースラインのYOLOv8sを上回った。
• モデルはF1スコア92.1%を記録し、違法物品検出における精度と再現率の良好なバランスを示した。
• クロス接続モジュールは、特に小形および重複する物体において特徴学習を顕著に向上させ、YOLOv8sと比較して見逃し検出を18.3%削減した。
• 動的ラベル割り当て戦略により、ごみだらけの領域での正例選択を改善し、誤検出を15.6%低減した。
• リアルタイムの推論速度を維持しており、標準GPU上での1枚あたりの処理時間は約25msであった。
• アブレーションスタディの結果、CCMおよびDLAの両コンponentsが、性能向上に独立的かつ相乗的に寄与していることが確認された。