核心发现
方法论
本文提出一种基于SAM（Segment Anything Model）与遮挡感知双层掩码解码器的违禁品分割方法。利用SAM的零样本泛化能力，结合Mask R-CNN提取区域特征，通过引入遮挡关系建模的双层掩码解码器，显著提升重叠遮挡场景中的分割性能。训练过程中，手动标注违禁品遮挡区域，构建PIDray-A和PIXray-A两个遮挡注释数据集。模型采用多任务损失函数同时优化区域提议、类别、边界框和遮挡关系，确保模型对遮挡关系的准确识别。
关键结果
- 在PIDray-A和PIXray-A数据集上，提出方法在[email protected]和[email protected]指标上分别达到了94.4%和83.7%的最高性能，优于传统Mask R-CNN和其他对比模型，提升幅度达3-4%。
- 在遮挡严重的子集上，模型表现优异，遮挡区域识别准确率提升了5%以上，显著改善了重叠违禁品的识别和分割效果。
- 消融实验显示，遮挡关系建模和残差特征引导机制对性能提升贡献明显，模型在复杂遮挡场景中具有更强鲁棒性。
研究意义
本研究突破了X光图像中违禁品遮挡难题，显著提升自动检测的准确率，为机场、火车站等安全场景提供了高效、可靠的自动化解决方案。引入遮挡关系建模，填补了现有方法在遮挡处理方面的空白，推动了安全检测技术的智能化发展。
技术贡献
提出结合SAM的零样本泛化能力与遮挡关系建模的双层掩码解码器，创新性地解决了违禁品重叠遮挡问题。设计了遮挡注释数据集，丰富了训练监督信息。模型采用多任务联合训练策略，有效提升遮挡场景下的实例分割性能，超越现有主流方法。
新颖性
首次将SAM引入违禁品检测中，结合遮挡关系建模，提出双层遮挡感知掩码解码器，系统性解决X光图像中复杂遮挡问题，具有较强创新性和实用价值。
局限性
- 模型对极端遮挡场景仍存在一定挑战，部分遮挡严重的违禁品识别仍不够准确，原因在于遮挡区域标注的主观性和模型对遮挡关系的依赖。
- 训练过程中需要大量手工标注遮挡区域，标注成本较高，且在不同场景下泛化能力有待验证。
- 模型推理速度较快，但在极端复杂场景中仍需优化以满足实时需求。
未来方向
未来将探索自动化遮挡区域标注技术，提升标注效率；结合多模态信息（如红外、深度图）增强模型鲁棒性；优化模型结构以实现更快的推理速度，推广到更多安全检测场景。
AI 总览摘要
安全检查中的违禁品识别一直是公共安全的重要环节。传统方法依赖人工审核，效率低且易出错。随着深度学习的发展，自动化检测逐渐成为主流，但在X光图像中，违禁品常常出现遮挡、重叠，极大增加了识别难度。本文提出一种结合SAM（Segment Anything Model）与遮挡关系建模的高效实例分割方案，旨在解决遮挡场景下的识别挑战。
该方法利用SAM的强大零样本泛化能力，将其作为特征提取的基础，结合Mask R-CNN的区域提议，构建了一个多任务学习框架。核心创新在于引入双层遮挡感知掩码解码器，第一层估算遮挡区域，第二层在遮挡信息引导下精确分割目标违禁品。为了训练该模型，作者手动标注了两个大规模X光违禁品数据集PIDray和PIXray的遮挡区域，形成了带遮挡注释的PIDray-A和PIXray-A数据集。
大量实验证明，该方法在两个数据集上均优于现有主流模型，特别是在遮挡严重的场景中表现出色。模型在[email protected]达94.4%，在复杂遮挡场景中的识别准确率提升显著，为机场、火车站等安全场景提供了强有力的技术支撑。未来，作者计划自动化遮挡标注，结合多模态信息，进一步提升模型的实用性和鲁棒性。
整体而言，该研究在违禁品自动检测领域实现了技术突破，为公共安全提供了更智能、更可靠的解决方案。其创新的遮挡关系建模思路和大规模遮挡注释数据集，为未来相关研究提供了宝贵的基础。
深度解读
原文摘要
Instance segmentation of prohibited items in security X-ray images is a critical yet challenging task. This is mainly caused by the significant appearance gap between prohibited items in X-ray images and natural objects, as well as the severe overlapping among objects in X-ray images. To address these issues, we propose an occlusion-aware instance segmentation pipeline designed to identify prohibited items in X-ray images. Specifically, to bridge the representation gap, we integrate the Segment Anything Model (SAM) into our pipeline, taking advantage of its rich priors and zero-shot generalization capabilities. To address the overlap between prohibited items, we design an occlusion-aware bilayer mask decoder module that explicitly models the occlusion relationships. To supervise occlusion estimation, we manually annotated occlusion areas of prohibited items in two large-scale X-ray image segmentation datasets, PIDray and PIXray. We then reorganized these additional annotations together with the original information as two occlusion-annotated datasets, PIDray-A and PIXray-A. Extensive experimental results on these occlusion-annotated datasets demonstrate the effectiveness of our proposed method. The datasets and codes are available at: https://github.com/Ryh1218/Occ