X光安检图像检测挑战赛3.0 baseline

---

X光安检是目前在城市轨交、铁路、机场、物流业广泛使用的物检手段。使用人工智能技术，辅助一线安检员进行X光安检判图，可以有效降低因为安检员经验、能力或工作状态造成的错漏检问题。在实际场景中，因待检测物品的多样性、成像角度、重叠遮挡等问题，X光安检图像检测算法研究存在一定挑战。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜

X光安检图像检测挑战赛3.0

一、赛事背景

X光安检是目前在城市轨交、铁路、机场、物流业广泛使用的物检手段。使用人工智能技术，辅助一线安检员进行X光安检判图，可以有效降低因为安检员经验、能力或工作状态造成的错漏检问题。在实际场景中，因待检测物品的多样性、成像角度、重叠遮挡等问题，X光安检图像检测算法研究存在一定挑战。

比赛链接：https://challenge.xfyun.cn/topic/info?type=Xray-2025&option=ssgy

二、赛事任务

本赛事的任务是：基于科大讯飞提供的真实X光安检图像集构建检测模型，对X光安检图像中的指定类别的物品进行检测。

三、评审规则

1.数据说明

此次比赛提供带标注的训练数据，即待检测物品在包裹中的X光图像及其标注文件。

本次比赛标注文件中的类别为8类，包括：

刀（knife）、剪刀（scissors）、打火机（lighter）、优盘（USBFlashDisk）、压力容器（pressure）、带喷嘴塑料瓶（plasticBottleWithaNozzle）、公章（seal）、电池（battery）。

       

待识别物品的X光成像示意图如上图所示。

比赛提供的X光图像及其矩形框标注的文件按照数据来源存放在不同的文件夹中，图像文件采用jpg格式，标注文件采用xml格式。

2.评估指标

评测方式采用计算mAP（IoU = 0.5）的方式。

四、数据准备

In [1]

# 查看当前挂载的数据集目录, 该目录下的变更重启环境后会自动还原 !ls /home/aistudio/data

       

data151995

       

解压数据集。

In [2]

! unzip -oq data/data151995/data.zip -d data/

   

官方提供的数据标注是VOC格式。

可以直接使用labelimg查看标注图片。

       

生成训练集数据列表

简小派

简小派是一款AI原生求职工具，通过简历优化、岗位匹配、项目生成、模拟面试与智能投递，全链路提升求职成功率，帮助普通人更快拿到更好的 offer。

123 查看详情 In [3]

import os
data_path = '/home/aistudio/data/data/train'f = open(os.path.join(data_path, 'train.txt'), 'w')for subpath in os.listdir(data_path):
    img_path = os.path.join(data_path, subpath)    if os.path.isfile(img_path):        continue
    xml_path = os.path.join(subpath, 'XML')    for img_name in os.listdir(img_path):        if not os.path.isfile(os.path.join(img_path, img_name)):            continue
        img_file = os.path.join(subpath, img_name)
        xml_file = os.path.join(xml_path, img_name.replace('.jpg', '.xml'))
        f.write(img_file + ' ' + xml_file + '\n')

    In [4]

# 拷贝label_list到数据文件中! cp work/label_list.txt data/data/train

   

五、模型配置及训练

本方案选择百度自研的最新的sota模型ppyoloe作为baseline，为了尽快比赛流程，这里选用最小的s级模型。

对应的配置文件为PaddleDetection/configs/ppyoloe/ppyoloe_crn_s_300e_coco.yml；

5.1 配置文件修改

由于数据是voc格式，因此不能再使用ppyoloe默认的coco格式，修改指定的数据配置文件。

减小batch为16， 同时适当减少学习率为0.01；

       

为了加快训练速度，修改_base_/optimizer_300e.yml中的epoch为50；

       

修改_base_/ppyoloe_reader.yml中，注释掉RandomExpand数据增强，加快训练速度，主要是由于数据中很多目标较小，再随机扩增会使得目标更小。

为了使更多小目标能充分训练，在多尺度训练的配置中去掉512分辨率以下的配置。

       

修改configs/datasets/voc.yml，指定生成的数据列表并修改类别数为8；

       

5.2 模型训练

In [ ]

%cd /home/aistudio/work/PaddleDetection-release-2.4/# 只需运行一次! pip install -r requirements.txt

    In [ ]

! python tools/train.py -c configs/ppyoloe/ppyoloe_crn_s_300e_coco.yml

   

六、模型测试及提交结果生成

6.1 模型测试

利用训练好的模型测试，生成测试集的结果。

In [ ]

# 分别生成测试集中三个文件夹的结果! python tools/infer.py -c configs/ppyoloe/ppyoloe_crn_s_300e_coco.yml --infer_dir=/home/aistudio/data/data/test/test1/domain1/ -o weights=output/ppyoloe_crn_s_300e_coco/model_latest.pdparams --output_dir domain1/ --s*e_txt result.txt --draw_threshold 0.1! python tools/infer.py -c configs/ppyoloe/ppyoloe_crn_s_300e_coco.yml --infer_dir=/home/aistudio/data/data/test/test1/domain2/ -o weights=output/ppyoloe_crn_s_300e_coco/model_latest.pdparams --output_dir domain2/ --s*e_txt result.txt --draw_threshold 0.1! python tools/infer.py -c configs/ppyoloe/ppyoloe_crn_s_300e_coco.yml --infer_dir=/home/aistudio/data/data/test/test1/domain3/ -o weights=output/ppyoloe_crn_s_300e_coco/model_latest.pdparams --output_dir domain3/ --s*e_txt result.txt --draw_threshold 0.1

   

6.2 结果处理

合并测试集的结果，并按照提交的格式进行转换。

In [7]

import osimport json
label_list = ['knife','scissors', 'lighter', 'USBFlashDisk', 'pressure', 'plasticBottleWithaNozzle', 'seal', 'battery']
img_list = '/home/aistudio/data/data/2025gamedatasettest1.txt'results = []with open(img_list, 'r') as f:
    lines = f.readlines()    for line in lines:
        line = line.strip().replace('.jpg', '.txt')        with open(line, 'r') as ff:
            re_lines = ff.readlines()
            result = [[], [], [], [], [], [], [], []]            for re_line in re_lines:
                re_line = re_line.strip()
                re_list = re_line.split()                if not len(re_list):                    continue
                name, score, xmin, ymin, w, h = re_list
                index = label_list.index(name)
                result[index].append([float(xmin), float(ymin), float(xmin)+float(w), float(ymin) + float(h), float(score)])
        results.append(result)with open( 'result.json', 'w') as fp:
    json.dump(results, fp, ensure_ascii=False)

   

提交结果生成的result.json文件即可。

       

以上就是X光安检图像检测挑战赛3.0 baseline的详细内容，更多请关注其它相关文章！

# ai  # 百度  # igs  # udio  # python  # 是目前  # 忻州推广全网营销业务  # 临海网站优化哪家好  # seo怎样才能优化网站服务呢  # 在实际  # 放在  # 景中  # 物流业  # 官网  # 在一  # 配置文件  # 一言  # 中文网  # coco  # type  # fig  # 青羊网站建设运营  # 内蒙古营销网络推广介绍  # 乐山大企业网站推广  # 小红书无法进行营销推广  # 上海抖音营销推广招商  # 内丘网站建设代理商  # 青羊关键词排名 

相关栏目： 【 Google疑问12 】 【 Facebook疑问10 】 【 优化推广96088 】 【 技术知识133117 】 【 IDC资讯59369 】 【 网络运营7196 】 【 IT资讯61894 】

相关推荐： 微软推出 LLaVA-Med AI 模型，可对医学病理案例进行分析  腾讯机器狗进化：通过深度学习掌握自主决策能力  Vision Pro头显重磅发布；苹果收购AR厂商Mira  大厂出品！这个AI网站太顶了，所有功能免费用  2025VR&AR显示技术峰会展示歌尔光学最新一代光学模组  人工智能加速走进百姓生活：从2025全球人工智能技术大会看行业新趋势  Bing Chat 和 Bing Search 正式引入深色模式  测试框架-安全和自动驾驶  视觉中国推出AI灵感绘图功能，付费后可在“合法合规前提下使用”  微软Bing聊天机器人电脑端即将支持语音提问  郭帆：AI发展日新月异，或是弯道超车好莱坞的最好机会  郭帆谈ChatGPT：电影行业需要创新，否则人工智能将让电影变得平庸  映宇宙数字人“映映”亮相ChinaJoy，展示AI黑科技实现用户互动  谷歌内部正在测试代号为Genesis的AI新闻写作产品  Meta 开源 AI 语言模型 MusicGen，可将文本和旋律转化为完整乐曲  上海发布“元宇宙关键技术攻关行动方案”，加快 AIGC 等突破  人工智能助力林草行业高质量发展  70年前他本想逃避考试，却影响了整个互联网  生成式人工智能进入产业应用！但再“聪明”仍是工具，最终目的是服务于人  AI成政客博弈工具，美国大选真假难辨，律师们的生意来了  人工智能赋能无人驾驶：商业化进程再提速  人工智能正在弥合认知和表达之间的鸿沟  七大主流AI企业包括OpenAI、谷歌等联合承诺：引入水印技术，并允许第三方审核AI内容  你大脑中的画面，现在可以高清还原了  调查：过半数艺术家认为 AI 作图无法帮助他们的工作  1分钟做出苹果Vision Pro「官网」？上班8小时搞出480个网页，同事被卷疯了  东软成立魔形科技研究院，积极布局大语言模型系统工程战略，迎接AI时代  剧透！蜜小豆@2025世界人工智能大会多个亮点曝光  上天下海登极，青岛与昇腾AI握手一起探索星辰大海  真全息产品，亮相深圳文博会——dipal数伴拓展元宇宙非沉浸式体验  人工智能如何与智能家居集成  清华系面壁智能开源中文多模态大模型VisCPM ：支持对话文图双向生成，吟诗作画能力惊艳  田渊栋新作：打开1层Transformer黑盒，注意力机制没那么神秘  先进技术在防止全球数据丢失方面的作用  英伟达H100霸榜权威AI性能测试 11分钟搞定基于GPT-3的大模型训练  国内阅读行业首款对话式AI应用“阅爱聊”封闭内测  AI大模型，将为智慧城市带来哪些新变化？  特斯拉 Optimus 人形机器人入驻北美门店，帮助提升汽车销量  OpenAI限制网络爬虫访问以保护数据免被用于AI模型训练  AI 助手 Copilot 上线，微软 Win11 Dev 预览版 Build 23493 发布  推动企业数字化转型升级！“松江智造”摘世界人工智能大会重磅奖项  云深处与昇腾CANN携手合作：开设ROS四足机器狗开发训练营  乐天派桌面机器人加入小米米家生态系统，实现与其他智能设备的互联  跑不动的元宇宙，虚拟世界比现实更冷酷  【原创】奥比中光：与英伟达合作开发的3D开发套件正式发布 连接英伟达AI应用生态  清华朱军团队新作：使用4位整数训练Transformer，比FP16快2.2倍，提速35.1%，加速AGI到来！  人工智能和神经网络有什么联系与区别？  280万条多模态指令-响应对，八种语言通用，首个涵盖视频内容的指令数据集MIMIC-IT来了  GPT-4是如何工作的？哈佛教授亲自讲授  绿联发布笑脸屏幕显示充电状态的30W/65W Q湃机器人充电器 

 2025-07-24