基于同类目标融合数据增广的鲁棒X光图像目标检测方法

本发明公开了基于同类目标融合数据增广的鲁棒X光图像目标检测方法，本方案方法主要基于工作的数据集在标签含有噪声的情况，其可以有效地消除标签噪声对X光安检图像目标检测器训练产生的影响，并且通过图像融合很好的模拟了X光图像中重叠遮挡的情况，让模型可以更好的学习到X光图片的固有特征。该方案不仅在多个公开地数据集上都取得了良好的性能，同时相比于传统的噪声标签学习方法，本方案是一种更加灵活，且贴近实际需求地解决噪声标签情况下X光安检图像目标检测的方案。除此之外，通过实验结果发现，本方案方法不仅在X光数据集中有效，在一些通用目标检测数据集中也有较好的效果。