BCR-Net：用于弱监督X射线禁用物品检测的数据边界-类别细化网络
计算机视觉与模式识别
2025-10-28 v2
摘要
自动检测X射线图像中的禁用物品对于公共安全至关重要。然而，大多数现有检测方法要么依赖昂贵的框标注以获得高性能，要么使用弱标注但检测精度有限。为在标注成本与检测性能之间取得平衡，我们研究了基于点的弱半监督X射线禁用物品检测（WSSPID-P），并提出一种新型边界-类别细化网络（BCR-Net），仅需少量框标注和大量点标注。BCR-Net基于Group R-CNN，引入新的边界细化（BR）模块和新的类别细化（CR）模块。BR模块开发出双注意力机制，以聚焦于禁用物品的边界和显著特征。同时，CR模块通过引入尺度和旋转感知的对比损失，将对比分支集成到RPN和ROI的头部，从而增强特征空间中的类内一致性和类间可分性。基于上述设计，BCR-Net有效解决了定位不准和分类不准的问题。在公开X射线数据集上的实验结果表明，BCR-Net有效，需受限标注下显著优于现有SOTA方法。
关键词
引用
@article{arxiv.2412.18918,
title = {BCR-Net: Boundary-Category Refinement Network for Weakly Semi-Supervised X-Ray Prohibited Item Detection with Points},
author = {Sanjoeng Wong},
journal= {arXiv preprint arXiv:2412.18918},
year = {2025}
}
备注
The authors withdraw this preprint because an error was found in a mathematical expression and the manuscript lacks evaluation on the COCO dataset. We will correct the error, extend experiments to include COCO, and resubmit a revised version