随着深度学习技术的发展，特别是卷积神经网络的发展，在 X 射线图像中识别被遮挡的违禁物品可以看作是计算机视觉中的一个目标检测问题。北京航空航天大学研究团队发表在 ACM Multimedia 2020 上的本一篇题为《Occluded Prohibited Items Detection: An X-ray Security Inspection Benchmark and De-occlusion Attention Module》，提出了针对安检场景下的目标检测任务而设计的高质量数据集 OPIXray，该数据集中所有图片所包含的危险品都由某机场的专业安检员手动标注。
此外，该论文还提出了一种用于检测安检场景下遮挡的违禁物品的方法，该方法的核心是一个能够去遮挡的注意力模块（DOAM）。该模块可以作为一个即插即用的模块插入到大多数检测器中，目的是检测 X 光图像中被遮挡的危险品。
目前该论文提出的数据集和代码均已开源。

论文地址：

https://dl.acm.org/doi/10.1145/3394171.3413828

数据集和代码地址：

https://github.com/OPIXray-author/OPIXray

OPIXray 数据集包含 5 类刀具，一共 8885 张图像。5 类刀具分别是折叠刀、直刀、剪刀、美工刀、多功能刀。所有图像均以 JPG 格式存储，分辨率为 1225×954。数据集分为训练集和测试集，前者包含 80% 的

 图1 安检 X 光下不同刀具的成像

DOAM 的核心部件是三个子模块：边缘信息引导模块（Edge Guidance）、材质信息感知模块（Material Awareness）和注意力图生成模块（Attention Generation）。Edge Guidance 和 Material Awareness 分别捕获危险品的边缘信息和材质信息，Attention Generation 利用分别由边缘信息引导模块和材质信息感知模块生成的特征来生成注意力图，从而为检测器提供一个改良后的特征图。

图2 去遮挡注意力网络架构图

内容中包含的图片若涉及版权问题，请及时与我们联系删除