SIXray: крупномасштабный рентгеновский бенчмарк для досмотра с целью обнаружения запрещённых предметов на перекрывающихся изображениях

В данной работе представлен крупномасштабный набор данных и установлен базовый метод для обнаружения запрещённых предметов на рентгеновских изображениях досмотра. Предложенный набор данных SIXray включает 1 059 231 рентгеновское изображение, на которых вручную размечены 8 929 запрещённых предметов, относящихся к 6 классам. Он формулирует новую задачу, связанную с перекрывающимися изображениями, сохраняя при этом свойства существующих наборов данных, включая сложный, но неинформативный контекст и дисбаланс классов. Для решения этих проблем предложен метод иерархического уточнения с балансировкой классов (class-balanced hierarchical refinement, CHR). Метод CHR предполагает, что каждое входное изображение выбирается из смеси распределений, а глубоким сетям требуется итеративный процесс для точного определения содержимого изображения. Для ускорения этого процесса в различные архитектуры сетей добавляются обратные связи, обеспечивающие высокоуровневые визуальные признаки для поддержки признаков среднего уровня. Кроме того, разработана функция потерь с балансировкой классов, предназначенная для максимального уменьшения шума, вносимого простыми отрицательными примерами. Метод CHR оценён на наборе SIXray при различных соотношениях положительных и отрицательных образцов. По сравнению с базовыми методами CHR обладает более высокой способностью к распознаванию объектов, особенно при использовании признаков среднего уровня, что открывает возможность применения слабоконтролируемого подхода для точной локализации объектов. В частности, преимущество CHR наиболее выражено в сценариях с меньшим числом положительных обучающих образцов, что демонстрирует его потенциал для применения в реальных системах досмотра.