Login for students

Login for employees

Publication detail

Autoencoder and Modified YOLOv3 Based Firearms Object Detection in X-ray Baggage Images to Enhance Aviation Safety
Authors: Chouai Mohamed | Merah Mostefa | Sancho-GOmez Jose-Luis | Doležel Petr
Year: 2021
Type of publication: článek ve sborníku
Name of source: 16TH INTERNATIONAL CONFERENCE ON SOFT COMPUTING MODELS IN INDUSTRIAL AND ENVIRONMENTAL APPLICATIONS (SOCO 2021)
Publisher name: SPRINGER INTERNATIONAL PUBLISHING AG
Place: CHAM
Page from-to: 338-347
Titles:
Language Name Abstract Keywords
cze Automatický přístup založený na modifikované YOLOv3 architektuře pro detekci střelných zbraní na snímcích rentgenových zavazadel s cílem zvýšit bezpečnost letectví Na letištích, a zejména při kontrole zavazadel, je zásadní otázkou, na kterou musí lidský operátor odpovědět, jak najít rovnováhu mezi bezpečnostní kontrolou, usnadněním v omezeném prostoru, dobrým dojmem z průchodu cestujících a rychlostí kontroly. K tomu, aby jim pomohl znovu objevit jejich přístup ke kontrole v takovém prostředí, je nezbytná pomoc automatických inteligentních nástrojů. Tento článek navrhuje detekci objektů střelných zbraní založenou na modifikovaném YOLOv3 a autoenkodéru pro bezpečnostní ochranu v duálních rentgenových snímcích. Detekce objektů se provádí pomocí modifikované verze YOLOv3, aby bylo možné detekovat všechny objekty přítomné v zavazadle. Vlastnosti objektu jsou prováděny autoenkodérem. Klasifikace se provádí pomocí vícevrstvého perceptronu (MLP), který klasifikuje nový objekt jako zbraň, nebo ne. Navržený systém prokázal vysokou účinnost při detekci střelných zbraní s přesností 96,50 %. Bezpečnost letišť; YOLOv3; auto-enkoder
eng Autoencoder and Modified YOLOv3 Based Firearms Object Detection in X-ray Baggage Images to Enhance Aviation Safety At airports and especially the baggage inspection task, the vital question that the human operator must answer is how to strike a balance between security screening, facilitation in a confined space, the good imypression of passengers through their passage, and speed of inspection. In order to help them reinvent their approach to control in such an environment, the help of automatic intelligent tools is necessary. This paper proposes firearms object detection based on modified YOLOv3 and autoencoder for security defense in dual X-ray images. The object detection is performed by a modified version of YOLOv3, to detect all the objects presented in the baggage. The object features are carried out by an autoencoder. The classification is performed by a Multi-Layer Perceptron (MLP) to classify a new object as a weapon or not. The proposed system has shown high efficiency in detecting firearms with a precision of 96.50%. Airport security; Modified YOLOv3; Autoencoder

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives