DERA：用于违禁物品检测的分离边缘残留自适应

由于对象叠加、弱纹理和材料杂乱模糊了语义外观和对象边界，X 射线图像中的违禁物品检测仍然具有挑战性。我们提出 \textbf{DERA}，一个 \textbf{D} 附加的 \textbf{E}dge-\textbf{R}esidual \textbf{A} 适应框架，用于 X 射线图像下违禁物品检测。 DERA 将分层视觉特征与并行像素差边缘金字塔相结合，并从实例掩模的训练时轮廓中先学习特定于对象的边界。分离的先前门边缘敏感特征，通过残留头注入早期视觉阶段。这种分阶段设计在适应开始时保留了基础检测器，将边界监督与语义特征学习隔离开来，并将最终适应阶段限制为仅 \(14.7\)K 可训练参数。在 PIDray、CLCXray 和 STCray 上进行评估后，DERA 分别将基线提高了 \textbf{3.1}、\textbf{1.6} 和 \textbf{2.4} AP 点。