검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A New GAN-Based Anomaly Detection (GBAD) Approach for Multi-Threat Object Classification on Large-Scale X-Ray Security Images 대규모 X-Ray 보안 이미지의 다중 위협 개체 분류를 위한 새로운 GAN 기반 이상 탐지(GBAD) 접근 방식

Joanna Kazzandra DUMAGPI, Woo-Young JUNG, Yong-Jin JEONG

  • 조회수

    0

  • 이것을 인용

요약 :

X선 보안 이미지의 위협 객체 인식은 컴퓨터 비전의 중요한 실제 응용 중 하나입니다. 그러나 이 분야의 연구는 그러한 응용 분야의 실제 설정을 반영할 수 있는 데이터 세트가 부족하여 제한되었습니다. 본 논문에서는 다중 레이블 분류에서 발생하는 극단적인 클래스 불균형 문제에 대한 솔루션으로 새로운 GAN 기반 이상 탐지(GBAD) 접근 방식을 제시합니다. 이 방법은 실용적이지 않은 데이터 세트에 대한 CNN 교육으로 인해 발생하는 잘못된 긍정의 급증을 억제하는 데 도움이 됩니다. 우리는 항만 보안 검사 시스템의 실제 시나리오를 밀접하게 에뮬레이트하기 위해 대규모 X-Ray 이미지 데이터베이스에 대한 방법을 평가합니다. 실험을 통해 기존 알고리즘에 대한 개선이 입증되었습니다.

발행
IEICE TRANSACTIONS on Information Vol.E103-D No.2 pp.454-458
발행일
2020/02/01
공개일
2019/10/23
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2019EDL8154
원고의 종류
LETTER
범주
인공지능, 데이터마이닝

작성자

Joanna Kazzandra DUMAGPI
  Kwangwoon University
Woo-Young JUNG
  Kwangwoon University
Yong-Jin JEONG
  Kwangwoon University

키워드