SIXray：大规模安检X射线图像违禁品检测基准与挑战

"SIXray是一个大规模的安检X射线图像数据集，专注于违禁品检测，由1,059,231张图像组成，涵盖了6大类8,929个违禁物品的手动标注。这个数据集特别强调了重叠图像的挑战，同时具备复杂背景和类别不平衡的问题。" 在当前的研究中，SIXray数据集的提出旨在推动安检X射线图像分析技术的发展。由于公共场所的安全需求日益增加，快速、精准地识别X射线图像中的违禁品变得至关重要。传统的机器学习方法，如支持向量机（SVM），在处理此类任务时可能遇到局限，尤其是在复杂的背景和重叠物体的情况下。 深度学习，尤其是卷积神经网络（CNN），为解决这一问题提供了新的可能。然而，CNN在处理SIXray这类数据时，需要应对两个主要挑战：一是图像中的对象可能存在大量重叠，二是类别之间的不平衡。为了解决这些问题，研究者提出了一种类平衡的高精度反向连接精细化（Class-Balanced High-Precision Back-Connection Refinement, CBHPR）算法。 CBHPR算法假设每个输入图像都来自一个混合分布，深度网络需要通过迭代过程来准确解析图像内容。通过在不同的网络主干中插入反向连接，该方法能够提供高级视觉提示，帮助中间层功能更好地理解图像。此外，设计了一种类平衡损失函数，以减少易于引入噪声的负样本的影响。 通过对SIXray数据集进行不同阳性/阴性样本比例的评估，研究发现CBHPR算法在处理类别不平衡问题上表现出色，尤其在正样本较少的情况下，神经网络相比于SVM有显著优势。这表明神经网络在实际安全检测场景中有巨大的潜力。 1.1 引言部分还提到，随着城市人口增长和交通节点的密集，安全检查的需求持续增加。X射线图像分析技术的进步将有助于提升公共安全，自动化和精确化的违禁品检测对于防范恐怖主义等威胁至关重要。因此，SIXray数据集的发布和相关算法的开发，为科研人员提供了一个强大的工具，以进一步提升安检系统的效能。