通过标签感知机制检测X射线安检图像中的重叠物体

X射线安检面临的一个关键挑战是如何在X射线图像中识别背包或行李箱内重叠的物品。现有大多数方法通过增强底层视觉信息（如颜色和边缘）来提升模型对物体重叠问题的鲁棒性。然而，这一策略忽略了物体与背景具有相似视觉特征，或物体之间相互重叠的复杂情况。由于这些情形在现有数据集中极少出现，我们提出了一个全新的数据集——剪刀与液体容器X射线图像数据集（Cutters and Liquid Containers X-ray Dataset, CLCXray），以填补相关研究的空白。