超级会员免费看
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。
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
订阅专栏 解锁全文
扫一扫
3498
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
