AO-DETR: Anti-Overlapping DETR for X-Ray Prohibited Items Detection

在各种安全检查场景中，X射线图像中的禁止物品检测是最基本和高效的方法之一。考虑到X射线禁止物品图像中存在显著的重叠现象，我们提出了一种基于最先进的通用目标检测器DINO的Anti-Overlapping DETR（AO-DETR）。具体而言，为了解决由重叠现象引起的特征耦合问题，我们引入了类别特定的一对一分配（CSA）策略，以约束预测固定类别的禁止物品的类别特定对象查询，这可以增强它们从重叠的前景-背景特征中提取特定类别禁止物品特征的能力。为了解决由重叠现象引起的边缘模糊问题，我们提出了Look Forward Densely（LFD）方案，它提高了中高级解码器层中参考框的定位精度，并增强了定位最终层模糊边缘的能力。与DINO类似，我们的AO-DETR提供了两个不同版本的主干，以满足不同的应用需求。在PIXray和OPIXray数据集上进行的广泛实验表明，所提出的方法超过了最先进的目标检测器，表明它在禁止物品检测领域具有潜在的应用价值。源代码将在https://github.com/Limingyuan001/AO-DETR-test发布。

本论文试图解决X射线图像中禁止物品检测中存在的重叠现象导致的特征耦合和边缘模糊问题，提出一种基于DINO的Anti-Overlapping DETR (AO-DETR)方法。

论文提出了Category-Specific One-to-One Assignment (CSA)策略和Look Forward Densely (LFD)方案来解决重叠现象导致的特征耦合和边缘模糊问题，从而提高禁止物品检测的准确率。

论文提出的AO-DETR方法在PIXray和OPIXray数据集上的实验表现优于现有的物体检测方法，且提供了两个不同的版本以满足不同应用需求。论文还开源了代码。

近期的相关研究包括：DINO、DETR、Transformer、RetinaNet等。