[論文レビュー] Toward Automatic Threat Recognition for Airport X-ray Baggage Screening with Deep Convolutional Object Detection

Kevin J Liang, John B. Sigman+6 more|arXiv (Cornell University)|Dec 13, 2019

Advanced Neural Network Applications被引用数 31

ひとこと要約

本論文は、新しく収集したX線スキャンデータセットを用い、Faster R-CNNとResNet152を組み合わせた深層学習ベースの自動脅威検出システムを提案する。このシステムは、Rapiscan 620DVスキャナでリアルタイムの推論を実現し、複数の視点分析と強固なオブジェクト検出により、銃器、刃物、打撃用武器、液体・スプレー・ゲル（LAGs）を高精度に検出する。

ABSTRACT

For the safety of the traveling public, the Transportation Security Administration (TSA) operates security checkpoints at airports in the United States, seeking to keep dangerous items off airplanes. At these checkpoints, the TSA employs a fleet of X-ray scanners, such as the Rapiscan 620DV, so Transportation Security Officers (TSOs) can inspect the contents of carry-on possessions. However, identifying and locating all potential threats can be a challenging task. As a result, the TSA has taken a recent interest in deep learning-based automated detection algorithms that can assist TSOs. In a collaboration funded by the TSA, we collected a sizable new dataset of X-ray scans with a diverse set of threats in a wide array of contexts, trained several deep convolutional object detection models, and integrated such models into the Rapiscan 620DV, resulting in functional prototypes capable of operating in real time. We show performance of our models on held-out evaluation sets, analyze several design parameters, and demonstrate the potential of such systems for automated detection of threats that can be found in airports.

研究の動機と目的

• 視認の複雑さやオペレーターの疲労による時間的・人的誤差が生じやすい、空港のX線手荷物スクリーニングにおける手動による脅威検出の課題を解決すること。
• 輸送セキュリティオフィサー（TSO）が銃器、刃物、打撃用武器、液体・スプレー・ゲル（LAGs）などの禁止物を特定するのを支援する、自動化されたリアルタイムオブジェクト検出システムを開発すること。
• 深層学習モデルの学習に用いるために、実際の手荷物構成における多様な脅威を含む、大規模で多様なX線スキャンデータセットを収集・アノテーションすること。
• 訓練済みのオブジェクト検出モデルをRapiscan 620DVスキャナープロトタイプに統合し、実世界に近い環境下でのライブテストと評価を実施すること。
• 複数のアーキテクチャと設定におけるモデル性能を評価し、精度、推論速度、視点変動に対する耐性の観点から分析すること。

提案手法

• Rapiscan 620DVスキャナを用いて、隠れた脅威を含むバッグの二重垂直視点（上下・側面）を撮影した大規模なX線スキャンデータセットを収集した。
• 銃器、鋭利な器具、打撃用武器、液体・スプレー・ゲル（LAGs）の4つの脅威カテゴリについて、タイトなバウンディングボックスとクラスラベルを各スキャンにアノテーションした。
• 事前処理を施したRGBカラーX線画像を用いて、Faster R-CNN（ResNet152を特徴抽出器として使用）、SSD、RetinaNetを含む複数の深層畳み込みオブジェクト検出モデルを訓練・評価した。
• 二重視点分析を実施し、上部および側面の両方の視点からの検出結果を独立した入力として扱い、真陽性は両方の視点で検出された場合にのみカウントされた。
• 商用ハードウェア上でリアルタイム推論を最適化し、フレームレートが制限要因でないため、精度を優先した設計を実施した。
• 真陽性の判定には交差領域率（IoU）の閾値0.5を用い、主な評価指標として平均平均精度（mAP）を採用した。

実験結果

リサーチクエスチョン

• RQ1 深層畳み込みオブジェクト検出モデルは、ごみだらけのX線手荷物スキャンにおいて多様な脅威タイプを高精度で同定できるか？
• RQ2 上下および側面の両方のX線視点を用いた複数視点分析は、単一視点検出と比較して、検出性能をどのように向上させるか？
• RQ3 Faster R-CNN、SSD、RetinaNetのうち、空港セキュリティスクリーニングにおいて精度とリアルタイム性能のバランスを最も良く満たすのはどれか？
• RQ4 モデルのハイパーパrameter設定およびデータ拡張戦略は、実世界のX線手荷物データにおける検出性能にどの程度影響を与えるか？
• RQ5 訓練済みのオブジェクト検出モデルは、Rapiscan 620DVのような既存の空港X線スキャナに実用的に統合可能か？

主な発見

• 特徴抽出器にResNet152を用いたFaster R-CNNが、保留テストセットで最高の平均平均精度（mAP）を達成し、SSDおよびRetinaNetを上回る精度を示した。
• 複数視点分析により、脅威が一方の視点ではより明確に現れる場合があるため、誤検出（偽陰性）の削減が顕著に見られた。
• SSDやRetinaNetのような1段階検出器は、高速な推論速度を誇るが、セキュリティスクリーニング用途には精度が不足していることが判明した。
• 商用ハードウェア上でもリアルタイム推論が達成されたため、既存のRapiscan 620DVスキャナへの実装可能性が示された。
• 部分的な脅威（例：分離されたハンマーヘッド）に対しては偽陽性が頻発し、特定の脅威タイプの完全なオブジェクト境界の学習が困難であることが示された。
• ラップトップに隠されたマシンピストルのような複雑な脅威も正常に検出されたため、遮蔽やごみの影響に対してもモデルの頑健性が確認された。