科大讯飞-X光安检图像识别挑战赛2023-测试【1】

最新推荐文章于 2024-08-03 22:16:31 发布
最新推荐文章于 2024-08-03 22:16:31 发布
阅读量679 收藏 2
点赞数 2
分类专栏： 计算机视觉 - Opencv 强化学习等的 趣味小实验 文章标签： python pytorch 计算机视觉
本博客为个人撰写，未经商业授权严禁转载！
本文链接：https://blog.csdn.net/u013537270/article/details/131954881
版权
本文介绍了在X光安检图像识别挑战赛中，通过使用YOLO框架进行图像识别的过程。从数据读取与可视化、图像补充标注到模型训练与验证，详细探讨了在训练过程中遇到的背景标签问题，并分享了解决方案，最终改善了模型性能。
摘要由CSDN通过智能技术生成

引言：

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。本博客采用最新的YOLO框架测试了算法在实际X光检测应用中的可行性。

科大讯飞-X光安检图像识别挑战赛2023-测试【1】

1. 数据读取与可视化测试

1.1 代码实现

代码主要包括两个部分，一个是对XML标注文件的解析，另一个是对被测数据特性的可视化分析（绘图）

import xml.etree.ElementTree as ET
import matplotlib.patches as patc
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Robo-网络矿产提炼工
关注
专栏目录
订阅专栏
【深度学习-目标检测】X光安检图像识别挑战赛Baseline
梁瑛平的博客
07-22 3454
【深度学习-目标检测】X光安检图像识别挑战赛Baseline比赛地址：Baseline： 比赛地址： http://challenge.xfyun.cn/topic/info?type=Xray Baseline： import matplotlib matplotlib.use('Agg') import os os.environ['CUDA_VISIBLE_DEVICES'] = '0' import paddlex as pdx os.chdir('/home/aistudio/work/')
X光安检图像识别方案总结
herosunly的博客
12-04 1万+
1. 方案一 1.1 比赛介绍 1.2 模型方案设计 1.2.1 数据分析 1.2.2 模型选择 1.2.3 模型调优 1.3 主要提分点 1.3.1 mixup 1.3.2 AutoAugment 1.3.3 MixPatch 1.3.4 Mosaic 1.3.5 WBF(Weighted Boxes Fusion) 1.3.6 SSL(半监督学习) 1.4 结果分析 1.5 总结与展望 1.5.1 总结 1.5.2 展望 1.6 Q&A 2. 方案二 2.1 赛题介绍 2.2 数据分析 2.3 整体算法
讯飞X光安检图像识别挑战赛--初赛Top2
weixin_42096202的博客
08-21 1588
最近没有更新论文分享，是因为去参加了讯飞的这个目标检测比赛。之前觉得自己泛读论文比较多，但是真正的实战经验较少。所以这次尝试了一下去打打比赛，欢迎大佬一起交流！接下来希望多参加一些其他任务的比赛，比如SISR， 分割，目标检测攻击这些算法比赛，如果有大佬看到了，欢迎带我一起上分呀！ ...
[非官方]2023科大讯飞AI开发者大赛—X光安检图像识别挑战赛baseline
m0_63642362的博客
06-20 1129
本项目使用PaddlePaddle框架打通了从训练到提交的全流程，方便参赛选手使用，将更多时间用于优化模型性能。
x光下危险物品/违禁物品目标识别的模型训练与推理代码
知来者逆的博客
08-06 2143
安检x光下危险品违禁品目标识别，基于YOLOv5，带训练源码与推理代码，推理部分实现了UI界面。
2021科大讯飞-X光安检图像识别赛Top1方案！
Datawhale
11-07 5449
↑↑↑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...
使用yolov4训练自己的数据集——科大讯飞X光安检图像识别baseline
wa1tzy的博客
08-05 4905
文章目录一、cfg文件修改二、data/下新建配置文件三、创建标注文件四、划分训练集、验证集与对应标签4.1 split_data.py4.2 xml2txt.py4.3 creattxt.py五、训练六、推理 一、cfg文件修改 创建yolov4-mydatasets.cfg，因为我用了yolov4.cfg训练太吃显存，2080TI的机子batchsize设置为2也会爆显存。其主要原因是mish函数太占显存了。 修改的地方： 将mish函数替代为relu函数，大大降低显存使用！ 另外filters设置为：
目标检测数据集：安检机X光扫描下的包里物品目标检测数据集（VOC标注格式的xml文件，已经做了训练集和测试集划分）
03-21
项目包含：安检机X光包里物品目标检测数据集（VOC标注格式的xml文件，已经做了训练集和测试集划分），数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。 图像分辨率为300-500的RGB图片，...
X光安检图像数据集.zip
06-17
X光安检图像数据集.zip 安检X光数据集包含训练集和测试集，其中训练数据集一共有4000张X光照片左右，验证数据集一共有900张左右X光照片。用于安检AI模型的训练与验证。
ICCV 2021｜复杂场景目标检测——科大讯飞等提出X光安检场景下危险品检测基准（已开源）...
gzq0723的博客
03-10 2388
关注并星标从此不迷路计算机视觉研究院公众号ID｜ComputerVisionGzq学习群｜扫码在主页获取加入方式计算机视觉研究院专栏作者：Edison_G复杂视觉场景下的目标识别任务有很多...
matlab x光,X光机安检图像违禁物品的识别
weixin_33060753的博客
03-18 1019
摘要：由于重大事故的频发,引起了人们对公共场所安全的高度重视。近些年来,地铁站、飞机场等公共场所一直都是采用X光安检机进行安全检查,在保障国家和人民安全方面起到不可替代的作用。目前,对X光安检机扫描得到的图像主要是由经过专业训练的安检人员通过肉眼进行识别,然而安检的行李内各种东西互相重叠,尤其是在人流众多时容易造成漏检、误检等情况,所以对于这种情况就需要找到一种能够获取更方便识别违禁物的方法来提高...
英特尔oneAPI人工智能黑客松 -X光机违禁物识别
weixin_32087121的博客
06-27 339
最终我们实现了一个demo案例，根据输出的违禁品概率，按照概率高低依次告警级别为必须核查、一般性核查、建议人工核查、正常，输出可能的违禁品种类和告警级别，提示安检员做针对性的处理。在训练阶段，我们使用 Intel® Extension for Pytorch 等加速库提高模型的响应速度。并计划后续使用Intel® Distribution of Modin库来加速pandas库，对原始数据集进行数据清洗和默认值的填充。
毕业设计：基于深度学习的机场安检图像识别分类系统 人工智能 目标检测 计算机视觉
毕设帮助,疑难解答,欢迎打扰!
03-11 1327
毕业设计：基于深度学习的机场安检图像识别分类系统实现对安检图像的自动识别和分类。该系统具有较高的识别准确率和实时性，能够显著提高机场安检效率。本研究为计算机毕业设计提供了一个创新的方向，结合了深度学习和计算机视觉技术，为毕业生提供了一个有意义的研究课题。对于计算机专业、软件工程专业、人工智能专业、大数据专业的毕业生而言，提供了一个具有挑战性和创新性的研究课题。无论您对深度学习技术保持浓厚兴趣，还是希望探索机器学习、算法或人工智能的领域的同学，本研究能为您提供灵感和指导。
目标检测——X光安检数据集
最新发布
张飞飞的博客
08-03 1886
目标检测
【深度学习】从0学习YOLOV5：科大讯飞X光安检检测
fengdu78的博客
07-08 2113
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：http://challenge.xfyun.cn/topic/info?type...
基于PaddleX的X光安检图像检测挑战赛2022
m0_63642362的博客
08-28 837
预先处理数据集为VOC格式，再通过PaddleX后台任务进行模型训练，最终预测提交结果。
使用yolov5训练自己的数据集——科大讯飞X光安检图像识别baseline
wa1tzy的博客
08-05 7011
文章目录1、创建数据集的配置文件mydataset.yaml2、创建标注文件3、组织训练集的目录4、选择模型backbone进行模型配置文件的修改5、Train6、Visualize7、已有图像和xml制作标签的过程7.1 check_img.py7.2 check_box.py7.3 rain_val_split.py7.4 myData_label.py 1、创建数据集的配置文件mydataset.yaml # train and val datasets (image directory or *.t
视频面试经历，科大讯飞，机器视觉算法研究员（一面）
热门推荐
Adam_fei的博客
03-23 1万+
两位面试官都有发问。由于先视频后音频，我不太能分清是哪位面试官提的问。   先是自我介绍。因为所做项目和岗位匹配度很高，面试官也是同方向的，所以让我很详细地介绍了项目过程。介绍完成后对于项目细节提了很多问题，如：   · 如果让现在的你去做本科时候入门的限速标识检测你会怎么做；（引入机器学习，大规模收集test sample，不囿于限速标志）；   · 怎样用机器学习的思想完成你本科项目中对
x光安检图像识别2021挑战赛 数据集 下载
07-22
### 回答1： 要下载X光安检图像识别2021挑战赛的数据集，可以按照以下步骤进行操作。 首先，打开X光安检图像识别2021挑战赛的官方网站。通常，这个网站会提供数据集的详细信息和下载链接。根据挑战赛所提供的链接，点击下载数据集的按钮或链接。 一旦点击了下载按钮或链接，会弹出一个下载窗口。选择合适的保存路径，然后点击确定或开始下载进行文件的下载。 接下来，等待下载完成。这个过程可能需要一定的时间，具体取决于数据集的大小和网络速度的快慢。可以在下载过程中监控下载进度，以确保下载完成不会中断。 下载完成后，可以查看下载文件所在的保存路径，将其解压缩到合适的文件夹中。现在，可以开始使用这个数据集进行相关的研究和实验。 需要注意的是，在下载和使用任何数据集时，应当遵守相关的法律、条例和规定，确保数据的合法性和隐私保护。 总结起来，下载X光安检图像识别2021挑战赛数据集的过程包括打开官方网站、点击下载链接、选择保存路径、等待下载完成，并将其解压缩到合适的文件夹中。记得遵守相关法律和隐私保护规定。 ### 回答2： x光安检图像识别2021挑战赛数据集可以通过以下步骤进行下载： 1. 首先，打开挑战赛的官方网站或数据集提供方的网站。 2. 在网站上找到相关的数据集下载页面或链接，并点击进入。 3. 在数据集下载页面上，你可能需要注册一个账号或者登录你的账号。 4. 一旦登录成功，你将能够查看数据集的详细信息，包括数据集的大小，标注信息等。 5. 在下载页面上，你可以选择下载整个数据集还是仅下载部分数据。 6. 选择你要下载的数据集，并点击下载按钮。 7. 下载过程可能需要一段时间，具体时间取决于你的网络连接速度和数据集的大小。 8. 下载完成后，你将会得到一个压缩文件，其中包含了数据集的所有文件。 9. 解压缩文件，并保存在你希望的目录下。 10. 至此，你已经成功地下载了x光安检图像识别2021挑战赛的数据集，可以进行后续的数据分析和模型训练了。 需要注意的是，下载数据集时请确保自己的用途符合相关的法律法规和数据提供方的要求，并遵守数据使用的许可协议。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Robo-网络矿产提炼工

你的鼓励将是我最大的动力！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值