X-레이 보안 영상에서의 위협 객체 인식은 컴퓨터 비전의 중요한 실용적 응용 분야 중 하나이다. 그러나 이 분야의 연구는 이러한 응용을 위한 실제 환경을 반영할 수 있는 사용 가능한 데이터셋의 부재로 인해 제한되어 왔다. 본 논문에서는 다중 레이블 분류에서의 극심한 클래스 불균형 문제에 대한 해결책으로, GAN 기반 이상 탐지(GBAD)라는 새로운 접근 방식을 제시한다. 이 방법은 비실용적인 데이터셋에 대해 CNN을 학습함으로써 유발되는 오탐 양성(false positives)의 급증을 억제하는 데 도움을 준다. 우리는 항만 보안 검사 시스템에서의 실제 시나리오를 면밀히 모사하기 위해 대규모 X-레이 이미지 데이터베이스에서 본 방법을 평가한다. 실험 결과는 기존 알고리즘 대비 성능 향상을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.