MMCL：基于 Deformable DETR 的检测器通过多类别最小边际对比学习提升卓越禁止物品检测
原文中文，约300字，阅读约需1分钟。发表于：。禁止物品在 X 射线图像中的检测是一种最有效的安全检查方法，然而，与自然光图像不同，X 射线图像中的独特重叠现象导致前景和背景特征的耦合，从而降低了一般物体检测器的准确性。因此，我们提出了一种多类最小间隔对比学习（MMCL）方法，在可变形 DETR 体系结构下明确内容查询的类别语义信息，帮助模型从耦合特征中提取特定类别的前景信息。
X射线图像检测是一种有效的安全检查方法，但X射线图像中的独特重叠现象降低了一般物体检测器的准确性。因此，提出了一种多类最小边界对比学习（MMCL）方法，以帮助模型从耦合特征中提取特定类别的前景信息。
