DAGNet：一种用于高效X射线安检的双视角注意力引导网络
计算机视觉与模式识别
2025-05-06 v4
摘要
随着现代交通系统的快速发展和物流量的指数级增长，基于X射线的智能安检系统在公共安全中发挥着至关重要的作用。尽管单视角X射线行李扫描仪被广泛部署，但由于视角表征不足和特征表示不充分，其在复杂堆叠场景中难以准确识别违禁品。为了解决这个问题，我们提出了一种用于高效X射线安检的双视角注意力引导网络（DAGNet）。本研究以共享权重的骨干网络为基础，构建了三个协同工作的关键模块：（1）频域交互模块（FDIM）通过基于视角间关系动态调整频率分量来增强特征；（2）双视角层次增强模块（DVHEM）采用交叉注意力来对齐视角间的特征并捕获层次关联；（3）卷积引导融合模块（CGFM）融合特征，在抑制冗余的同时保留关键的判别信息。这些模块共同显著提升了双视角X射线安检的性能。实验结果表明，DAGNet在多种骨干架构上均优于现有的最先进方法。代码可在以下网址获取：https://github.com/ShilongHong/DAGNet。
关键词
引用
@article{arxiv.2502.01710,
title = {DAGNet: A Dual-View Attention-Guided Network for Efficient X-ray Security Inspection},
author = {Shilong Hong and Yanzhou Zhou and Weichao Xu},
journal= {arXiv preprint arXiv:2502.01710},
year = {2025}
}