Segmentierung verbotener Gegenstände mittels okklusionsbewusster Zweischichtmodellierung (ICME 2025)

Offizielle PyTorch-Implementierung der Segmentierung verbotener Gegenstände mittels okklusionsbewusster Zweischichtmodellierung.

Paper-Link: IEEE, Arxiv.

Erste Schritte

Abhängigkeiten

Der Code wurde erfolgreich unter Linux mit Pytorch 2.1.2 und CUDA 11.8 getestet.

Falls erforderlich, installieren Sie numpy<2.0.0 (wir verwenden 1.24.0):

conda create -n occ python=3.10
conda activate occ
pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118
pip install -U openmim
mim install mmcv==2.1.0
conda install mpi4py
pip install -U transformers==4.38.1 wandb==0.16.3 einops pycocotools shapely scipy terminaltables importlib peft==0.8.2 mat4py==0.6.0
conda install importlib-metadata

Modellgewichte vorbereiten

Laden Sie die SAM-Gewichte vorab herunter (z. B. SAM-vit-large) und aktualisieren Sie die Pfade in 'convert_model_weights.py'. Die Gewichte können mit dem folgenden Skript heruntergeladen werden:

from transformers import SamModel
import os

hf_pretrain_name = "facebook/sam-vit-large"

cache_dir = f"{os.path.basename(hf_pretrain_name).replace('-', '_')}"
os.makedirs(cache_dir, exist_ok=True)

model = SamModel.from_pretrained(hf_pretrain_name, use_safetensors=False)
model.save_pretrained(cache_dir, safe_serialization=False)

Führen Sie anschließend das Skript 'convert_model_weights.py' aus, um die Ausgangsgewichte für den Occluder Mask Decoder zu erzeugen.

Datensätze vorbereiten

Laden Sie die Datensätze über die folgenden Links herunter. Beachten Sie, dass PIXray in das COCO-Format transformiert wurde:

PIDray-A

PIXray-A

Unterstützung für benutzerdefinierte Datensätze

Verwenden Sie 'convert_occlusion_annotation.py', um Okklusionsannotationen für Datensätze im COCO-Format zu erzeugen. Um eigene okklusionsannotierte Datensätze zu erzeugen, ändern Sie vor der Ausführung die Pfade im Skript.

Konfigurationsdateien anpassen

Aktualisieren Sie die Pfade in den Konfigurationsdateien 'configs/occlusion/pid.py' und 'configs/occlusion/pix.py' entsprechend Ihrer Umgebung.

Training & Test

Unser Code wurde erfolgreich getestet auf:

• 1 × NVIDIA A800 Tensor Core GPU

• 8 × NVIDIA GeForce RTX 4090 GPUs

Um unser Modell zu trainieren:

# Single GPU, PIDray-A
CUDA_VISIBLE_DEVICES=0 bash ./tools/dist_train.sh configs/occlusion/pid.py 1
# Single GPU, PIXray-A
CUDA_VISIBLE_DEVICES=0 bash ./tools/dist_train.sh configs/occlusion/pix.py 1

# Multiple GPUs, PIDray-A
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 bash ./tools/dist_train.sh configs/occlusion/pid.py 8
# Multiple GPUs, PIXray-A
CUDA_VISIBLE_DEVICES=0,1,2,3,4,5,6,7 bash ./tools/dist_train.sh configs/occlusion/pix.py 8

Um unser Modell zu testen, setzen Sie 'CHECKPOINT_FILE' auf Ihren Checkpoint-Pfad und konfigurieren Sie 'GPU_NUM' entsprechend Ihrer GPU-Umgebung:

# PIDray-A
bash ./tools/dist_test.sh configs/occlusion/pid.py {CHECKPOINT_FILE} {GPU_NUM}
# PIXray-A
bash ./tools/dist_test.sh configs/occlusion/pix.py {CHECKPOINT_FILE} {GPU_NUM}

Darüber hinaus stellen wir Modell-Checkpoints unter dem folgenden Link bereit: Checkpoints

Danksagungen

Diese Implementierung basiert auf:

• RSPrompter

• MMDetection

Wir danken ihnen herzlich für ihre Beiträge.

Paper zitieren

@inproceedings{ren2025prohibited,
  title={Prohibited Items Segmentation via Occlusion-aware Bilayer Modeling},
  author={Ren, Yunhan and Li, Ruihuang and Liu, Lingbo and Chen,  Changwen},
  booktitle={2025 IEEE International Conference on Multimedia and Expo (ICME)},
  year={2025},
}