Self-supervised Algorithms for Anomaly Detection on X-Rays

Saibodalov M.; Karandashev I.

Self-supervised Algorithms for Anomaly Detection on X-Rays

Дата публикации в реестре: 2024-03-01T14:43:22Z

Аннотация:

В данной работе рассматривается проблема обнаружения запрещенных объектов на рентгеновских изображениях, полученных сканерами индивидуального досмотра. Такие сканеры часто используются на объектах, требующих повышенного контроля безопасности. Имеющиеся данные имеют ряд проблем, которые описаны и решены в тексте. В этой статье мы рассматриваем только алгоритмы обнаружения аномалий с самоконтролем. Мы используем несколько архитектур автоэнкодеров и сравниваем их с современным алгоритмом Patch SVDD, который можно спроектировать и обучить на наших данных с нуля. В отличие от алгоритмов обучения с учителем, которые часто используются для решения подобных задач, эти модели не требуют для обучения большого количества размеченных данных.

Ключевые слова:
deep learning, Image Segmentation, anomaly detection, human X-Ray images, глубокое обучение, сегментация изображений, обнаружение аномалий, рентгеновские изображения человека

Тип: Article

Права: open access

Источник: Труды Международной конференции по компьютерной графике и зрению "Графикон"