Повышение эффективности детектирования объектов с использованием потерь с отступом

Статья предлагает использование модифицированной функции потерь для повышения эффективности нейросетевых классификаторов и детекторов. Новизной является применение такой функции потерь при обработке рентгеновских изображений. В частности, в работе рассмотрена задача автоматической обработки снимков досмотра авиационной безопасности. Особое внимание уделяется методам классификации запрещенных предметов на рентгеновских изображениях багажа и ручной клади. Предложено использовать модифицированные функции потерь при обучении. Показано, что такой подход обеспечивает выигрыш по сравнению с традиционным обучением на 2-4%. Более того, разработана каскадная модель обнаружения объектов на базе нейронной сети YOLOv8 и бинарного классификатора. Исследования показали, что применение дополнительного классификатора улучшает качество работы нейросети YOLO на 2-3%. Следует отметить также, что в ходе данного исследования использовался собственный набор данных, подготовленный совместно с Ульяновским институтом гражданской авиации. Также был выполнен анализ производительности для различных версий детектора YOLO, который показал, что наилучшее сочетание точности и скорости обеспечивает модель среднего размера (YOLOv8m). Основной результат работы заключается в повышении эффективности обнаружения и классификации запрещенных предметов за счет применения модифицированной функции потерь и каскадного детектора.