驾驭生成式合成数据用于X射线禁止物品检测
计算机视觉与模式识别
2025-11-20 v1
摘要
训练禁止物品检测模型需要大量X射线安全图像，但收集和标注这些图像耗时且费力。为解决数据不足问题，X射线安全图像合成方法通过拼接图像来扩大数据集。然而，以往方法主要遵循两阶段流程，其中第一阶段实施耗时的前景提取，第二阶段则进行图像拼接。这种流程不可避免地引入额外的劳动成本且效率不高。本文提出一种基于文本到图像生成的单阶段X射线安全图像合成流程（Xsyn），该方法包含两种有效策略以提高合成图像的可用性。交叉注意力细化（Cross-Attention Refinement, CAR）策略利用扩散模型的交叉注意力图对边界框标注进行细化。背景遮挡建模（Background Occlusion Modeling, BOM）策略在潜在空间中显式建模背景遮挡，以增强成像复杂度。迄今为止，Xsyn是首个在无需额外劳动成本的情况下实现高质量X射线安全图像合成的方法。实验表明，我们的方法比以往方法均优异，mAP提升1.2%，生成的合成图像有助于提高各种X射线安全数据集和探测器上的禁止物品检测性能。代码可在 https://github.com/pILLOW-1/Xsyn/ 获取。
引用
@article{arxiv.2511.15299,
title = {Taming Generative Synthetic Data for X-ray Prohibited Item Detection},
author = {Jialong Sun and Hongguang Zhu and Weizhe Liu and Yunda Sun and Renshuai Tao and Yunchao Wei},
journal= {arXiv preprint arXiv:2511.15299},
year = {2025}
}