Automated Segmentation of Prohibited Items in X-ray Baggage lmages Using Dense De-overlap Attention Snake

禁用物品的分割在安检领域有着广泛的应用，例如计算机辅助筛查、威胁图像投影和材料辨别。然而，X射线行李图像中严重的物体重叠极大地限制了常见的基于CNN的分割方法的性能。更糟的是，没有公开的数据集可以用于促进这一具有挑战性和前景广阔的领域的研究。为了解决这些问题，本文提出了首个禁用物品X射线分割数据集，命名为 PIXray。PIXray 包含5046张X射线图像，其中15类共15201个禁用物品被标注为实例级别的掩码。此外，我们在深度学习的背景下提出了一种密集去重叠注意蛇（DDoAS），用于自动化和实时的禁用物品分割。DDoAS主要包括一个密集去重叠模块（DDoM）和一个注意变形模块（ADM）。具体而言，DDoM旨在通过密集的反向连接从极端背景重叠中准确推断出禁用物品信息。ADM旨在提高因不同禁用物品的形状和大小变化较大而引入的低学习效率。在PIXray上的全面评估显示了DDoM和ADM的有效性和优越性。与其他领域内方法相比，DDoM在从复杂背景中识别禁用物品方面表现出色，并且在各种网络骨干上实现了一致的性能提升，扩展了处理重叠图像数据的思路。ADM可以简化模型训练并进一步提高掩码质量。此外，领域外实验证明，DDoAS也可以应用于自然图像，并且在性能上与最新的方法相当，这表明其在其他领域的潜在应用。数据集和源代码可在 https://github.com/Mbwslib/DDoAS 获取