2021科大讯飞-X光安检图像识别赛Top1方案！

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

 Datawhale干货 

作者：宋志龙、王威，啄云智能GOAT战队

大家好，我们是来自浙江啄云智能科技有限公司的GOAT算法团队，团队多年来专注于X光安检领域算法研究。今天给大家分享的是我们团队在2021科大讯飞--X光安检图像识别挑战赛中所做的一些工作，在讯飞2021年的赛事中，这个比赛可以说是竞争最激烈了，前后历时三个多月，我们团队进行了大量实验，最终拿到了复赛第一、决赛第一的成绩。

下面我将从赛题背景、赛题内容分析、解决方案和总结这四个方面进行介绍，欢迎大家在评论区进行交流。

一、赛题背景

X光安检机是目前我国使用最广泛的安检技术手段，广泛应用于城市轨交、铁路、机场、重点场馆、物流寄递等场景。使用人工智能技术，辅助一线安检员进行X光安检判图，可以有效降低因为人员疲劳或注意力不集中带来的漏报等问题。但在实际场景中，因物品的多样性、成像角度、遮挡等问题，为算法的开发带来了一定的挑战。

赛题链接：

http://challenge.xfyun.cn/topic/info?type=Xray-2021

二、赛题内容及分析

1. 赛题内容

赛题数据组成

• 初赛：

  1）带标注的训练数据，即待识别物品在包裹中的X光图像及其标注文件；

  2）不带标注的测试数据；

• 复赛：

  1）无标注训练数据即包裹X光图像（其中有的包裹包含待识别物品）；

  2）部分待识别物品X光图像（无背景）；

• 目标类别：

  刀、剪刀、尖锐工具、甩棍、小玻璃瓶、电棍、塑料饮料瓶、带喷嘴塑料瓶、电子设备、电池、公章、伞， 共12类。

模型评价指标

wAP50，即各个类别的AP50按照权重进行加权的结果。

其中各类别权重为：

刀1、剪刀1、尖锐工具1、甩棍1、小玻璃瓶1、电棍1、塑料饮料瓶0.7、带喷嘴塑料瓶0.7、电子设备0.7、电池0.7、公章0.7、伞0.7。

模型大小

600M以内

2. 赛题分析

• 赛题数据中，提供了大量的无标注数据，利用好这些无标注数据进行半监督学习是关键。

• 数据可视化发现数据背景较复杂且差异较大，设计合适的数据增强方法是关键