[论文解读] 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 20

一句话总结

本文介绍了首个公开可用的主动太赫兹成像数据集，用于隐匿物体检测，包含3,157张图像，涵盖11个类别共1,349个标注物体，分辨率为5 mm × 5 mm。RetinaNet在mAP（91.46%检测率，1.27%误报率）上表现最佳，优于YOLOv3、YOLOv4和FRCN-OHEM，尤其在陶瓷刀、钥匙等小尺寸或难检测物体上表现更优。

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.

研究动机与目标

• 为解决主动太赫兹成像中多目标检测评估缺乏公开数据集的问题，特别是低质量成像条件下的问题。
• 为真实世界隐匿物体检测任务提供基准测试，支持具有挑战性成像特性的深度学习检测器评估。
• 研究物体位置、姿态和材质对太赫兹成像中检测性能的影响。
• 提供一个标准化数据集，连接计算机视觉与光电成像领域，推动恶劣成像条件下检测技术的发展。

提出的方法

• 使用140 GHz阵列扫描系统获取3,157张主动太赫兹图像，分辨率为5 mm × 5 mm。
• 从10名受试者（4名男性，6名女性）采集数据，物体藏匿于身体不同部位（手臂、胸部、腿部等）及不同方向（平行/垂直于成像平面）。
• 使用Pascal VOC格式对1,349个物体进行标注，涵盖11个类别，包含289个“未知”类别样本。
• 在数据集上评估四种最先进检测器——YOLOv3、YOLOv4、FRCN-OHEM和RetinaNet，采用mAP、检测率（DR）和误报率（FA）作为指标。
• 在RetinaNet中应用Focal Loss以缓解类别不平衡与难负样本问题，提升对稀有或小尺寸物体的检测性能。
• 采用图像级评估方法，使用DR与FA指标，并分析不同物体位置与方向下的检测召回率。

实验结果

研究问题

• RQ1 物体在人体上的位置与姿态如何影响主动太赫兹成像中的检测性能？
• RQ2 在包含低质量太赫兹图像的公开数据集中，哪种深度学习检测器实现了最高的mAP与检测率？
• RQ3 类别不平衡与小物体检测问题如何影响标准目标检测器在太赫兹成像中的性能？
• RQ4 多视角或增强特征融合是否能提升垂直于成像平面放置物体的检测效果？
• RQ5 在该数据集中，不同检测器的检测率与误报率之间存在何种权衡关系？

主要发现

• RetinaNet在平均精度均值（mAP）与检测率（91.46%）上表现最佳，且误报率较低（1.27%），优于YOLOv3、YOLOv4与FRCN-OHEM。
• 当误报率仅为1.27%时，RetinaNet的检测率超过90%，表明其具有出色的鲁棒性与可靠性。
• YOLOv4的误报率最低（0.63%），但检测率低于RetinaNet（84.49%）。
• FRCN-OHEM整体性能最差，检测率为83.86%，误报率高达18.99%。
• 检测性能因物体位置而异：手臂上的物体召回率最低（如RetinaNet为0.5000），腿部物体召回率更高（0.7000），表明身体结构影响可检测性。
• 垂直于成像平面放置的物体召回率显著低于平行于平面的物体（如RetinaNet分别为0.5577与0.6105），凸显了多视角检测策略的必要性。