ALDI-ray：将ALDI框架应用于安全X射线目标检测
计算机视觉与模式识别
2025-12-03 v1 机器学习
摘要
目标检测中的域适应对于分布偏移降低模型性能的现实应用至关重要。安全X射线成像由于扫描设备和环境条件的变化而面临独特挑战，导致显著的域差异。为此，我们应用ALDI++，一个域适应框架，它集成了自蒸馏、特征对齐和增强训练策略，以有效缓解该领域的域偏移。我们在EDS数据集上进行了广泛实验，证明ALDI++在多个适应场景中超越了最先进的（SOTA）域适应方法。特别是，ALDI++结合视觉检测Transformer（ViTDet）骨干网络实现了最高的平均精度均值（mAP），证实了基于Transformer的架构在跨域目标检测中的有效性。此外，我们的类别分析突出了检测精度的一致提升，强化了模型在多样化目标类别上的鲁棒性。我们的发现确立了ALDI++作为安全X射线图像中域自适应目标检测的高效解决方案，为性能稳定性和跨域泛化设定了新基准。
引用
@article{arxiv.2512.02696,
title = {ALDI-ray: Adapting the ALDI Framework for Security X-ray Object Detection},
author = {Omid Reza Heidari and Yang Wang and Xinxin Zuo},
journal= {arXiv preprint arXiv:2512.02696},
year = {2025}
}
备注
Submitted to ICASSP 2026 Conference