PIDray|X光违禁品检测数据集|自动安检数据集

PIDray数据集是由中国科学院计算技术研究所创建的大型X光违禁品检测数据集，包含47,677张X光图像，涵盖12类常见违禁品，如枪支、刀具等。数据集通过在机场、地铁站和火车站等场景收集，确保了数据的真实性和多样性。创建过程中，研究人员精心标注了每张图像的边界框和分割掩码，以支持高精度的违禁品检测。PIDray数据集主要用于提升自动安检系统在复杂场景下检测隐藏违禁品的能力，特别是在违禁品被故意隐藏在杂乱物品中的情况下。

AI搜集汇总

数据集介绍

构建方式

PIDray数据集的构建旨在解决现实场景中违禁品检测的挑战，特别是那些被故意隐藏在杂乱物品中的情况。该数据集收集了124,486张X光图像，涵盖12类违禁品，每张图像都经过人工仔细标注。PIDray数据集的构建过程包括在机场、地铁站和火车站等多个场景中设置安检机，使用不同制造商的安检设备收集X光数据，并对图像进行裁剪和标注。此外，数据集还根据检测难度将测试集分为简单、困难和隐藏三个子集，以全面评估模型的性能。

特点

PIDray数据集的主要特点是其大规模和多样性，是目前最大的X光违禁品检测数据集。它不仅包含了常见的违禁品类别，还特别关注了被故意隐藏的违禁品，这在以往的数据集中较为罕见。此外，PIDray数据集提供了详细的实例级标注，包括边界框和掩码，这为训练高精度的检测和分割算法提供了可能。

使用方法

PIDray数据集适用于多种计算机视觉任务，包括对象检测、实例分割和多标签分类。研究者可以使用该数据集来训练和评估违禁品检测算法，特别是在处理被隐藏物品的场景中。数据集的详细标注和多样性使其成为开发和验证新算法的理想平台。此外，PIDray数据集的开源代码和基准测试结果为研究者提供了参考和比较的基础。

背景与挑战

背景概述

PIDray数据集由中科院软件所、中国科学院大学和北德克萨斯大学联合开发，旨在解决现实世界中违禁品检测的挑战。该数据集于2021年发布，包含了124,486张X光图像，涵盖12类违禁品，每张图像均经过人工仔细标注。PIDray数据集的创建旨在解决现有方法在处理被故意隐藏在杂乱物体中的违禁品时的不足，特别是在缺乏大规模数据集的情况下。该数据集不仅规模庞大，而且是首个专注于故意隐藏违禁品检测的基准数据集，对计算机视觉领域的安全检查技术发展具有重要推动作用。

当前挑战

PIDray数据集面临的挑战主要有两方面：一是解决违禁品检测领域的具体问题，如类内差异、类别不平衡和遮挡等，这些问题在X光图像中尤为突出；二是数据集构建过程中遇到的挑战，包括如何高效地收集和标注大量X光图像，以及如何确保标注的准确性和一致性。此外，PIDray数据集的长尾分布问题也增加了模型训练的难度，需要采用有效的策略来平衡头部和尾部类别的影响。

常用场景

经典使用场景

PIDray数据集在现实世界中被广泛应用于禁止物品检测，特别是在安全检查领域。该数据集包含了124,486张X光图像，涵盖了12类禁止物品，每张图像都经过人工仔细标注。其经典使用场景包括机场、地铁站和火车站等公共场所的安全检查，旨在通过计算机视觉技术自动识别和定位隐藏在杂乱物品中的禁止物品，如枪支、弹药、爆炸物等。

实际应用

PIDray数据集在实际应用中主要用于开发和验证禁止物品检测算法。例如，在机场和地铁站的安全检查系统中，该数据集可以用于训练深度学习模型，以自动识别和报警潜在的禁止物品。此外，它还可以用于开发多标签分类和实例分割算法，进一步提升安全检查系统的性能。

衍生相关工作

PIDray数据集的发布催生了一系列相关研究工作，特别是在对象检测、实例分割和多标签分类领域。例如，基于该数据集，研究者们提出了多种改进的检测算法和分割技术，以应对X光图像中的复杂背景和遮挡问题。此外，PIDray还激发了对长尾分布问题的进一步研究，推动了相关算法的创新和发展。