XSeg：用于真实世界安检的大规模X射线走私物品分割基准数据集
计算机视觉与模式识别
2026-04-07 v1
摘要
X射线走私物品检测对于公共安全至关重要。然而，当前方法主要依赖边界框标注，由于缺乏像素级监督和真实数据，限制了模型的泛化能力和性能。为此，我们引入XSeg数据集。据我们所知，XSeg是目前规模最大的X射线走私物品分割数据集，包含98,644张图片和295,932个实例掩模，并包含最新的30类常见走私物品。图像来源于公开数据集和我们合成的数据，通过定制的数据清洗管道筛选以去除低质量样本。为实现准确且高效的标注并减少手动标注工作，我们提出了自适应点掩码模型(Adaptive Point SAM, APSAM)，这是一种基于分割什么模型(Segment Anything Model, SAM)的专用掩码标注模型。我们通过引入能量感知编码器(energy-aware encoder)来增强掩码解码器的初始化，显著提高对叠加物品的灵敏度。此外，我们设计了自适应点生成器(Adaptive Point Generator)，允许用户仅通过一个粗糙点提示即可获得精确的掩码标签。在XSeg数据集上进行的大量实验表明，APSAM性能卓越。
引用
@article{arxiv.2604.03706,
title = {XSeg: A Large-scale X-ray Contraband Segmentation Benchmark For Real-World Security Screening},
author = {Hongxia Gao and Litao Li and Yixin Chen and Jiali Wen and Kaijie Zhang and Qianyun Liu},
journal= {arXiv preprint arXiv:2604.03706},
year = {2026}
}
备注
12 pages, 8 figures, Accepted to CVPR 2026