Occluded Prohibited Items X-ray (OPIXray) image benchmark

OPIXray数据集是由国家软件工程研究中心创建的高质量对象检测数据集，专注于安全检查中常见的禁止物品'cutter'的检测。该数据集包含8885张X光图像，由国际机场的专业检查员手动标注。数据集分为训练集和测试集，测试集进一步分为三个遮挡级别，以评估检测器在不同遮挡程度下的性能。OPIXray数据集旨在解决X光图像中禁止物品检测的挑战，特别是在物品重叠导致遮挡的情况下，为安全检查提供自动化的辅助工具。

The OPIXray Dataset is a high-quality object detection dataset created by the National Engineering Research Center for Software Engineering, focusing on the detection of the common prohibited item "cutter" in security inspections. This dataset contains 8,885 X-ray images, which were manually annotated by professional inspectors at international airports. The dataset is split into a training set and a test set, where the test set is further divided into three occlusion levels to evaluate the performance of detectors under varying degrees of occlusion. The OPIXray Dataset aims to address the challenges of prohibited item detection in X-ray images, particularly in scenarios where items overlap and cause occlusion, providing automated auxiliary tools for security inspection work.

搜集汇总

数据集介绍

构建方式

在X射线安检影像分析领域，针对物品遮挡导致的检测难题，OPIXray数据集的构建采用了高度仿真的合成策略。数据集背景由真实安检设备扫描生成，而五类常见刀具违禁品则通过专业软件合成至背景中，模拟行李内物品随机堆叠的复杂场景。所有样本均经由国际机场专业安检员手动标注边界框，标注标准严格遵循安检员培训规范，确保了标注的高质量与权威性。数据集总计包含8885张图像，并按4:1的比例划分为训练集与测试集，后者进一步依据遮挡严重程度细分为三个子集，以系统评估模型在不同遮挡条件下的性能。

特点

OPIXray数据集的核心特点在于其面向真实安检场景的针对性与挑战性。数据集专注于‘刀具’这一广泛出现的违禁品，涵盖折叠刀、直刀、剪刀、美工刀及多功能刀五类，其类别分布反映了实际携带频率，增强了数据的现实意义。尤为突出的是，数据集系统性地引入了物品遮挡挑战，测试集按遮挡程度划分为无/轻微、部分、严重/完全三个等级，为研究遮挡下的目标检测提供了结构化评估基准。此外，数据保留了X射线成像的固有特性，即在严重遮挡部分仍能较好保持物体形状，同时不同材质呈现差异化的颜色与纹理，这为利用多模态信息解决遮挡问题提供了可能。

使用方法

该数据集主要用于评估与提升X射线图像中遮挡违禁物品的自动检测算法性能。研究者可利用其训练集训练各类目标检测模型，如SSD、YOLOv3、FCOS等。评估时，应使用完整的测试集，并特别关注模型在三个不同遮挡等级子集上的性能表现，以全面衡量模型对遮挡的鲁棒性。数据集亦可用于验证专为遮挡问题设计的模块（如论文中的去遮挡注意力模块DOAM）的有效性，通过对比基线模型与增强模型在不同遮挡等级下的性能提升幅度，来论证新方法的优势。使用中需注意，为保持X射线图像边缘信息的完整性，应避免对原始像素值进行修改类数据增强。

背景与挑战

背景概述

在公共交通安全领域，X射线安检图像中的违禁品自动检测技术，对于提升安检效率与准确性具有关键意义。然而，由于行李内物品随机堆叠导致的严重遮挡问题，传统检测方法面临巨大挑战。为此，北京航空航天大学软件开发环境国家重点实验室的研究团队于2020年发布了首个专注于遮挡违禁品检测的高质量X射线图像基准数据集——Occluded Prohibited Items X-ray (OPIXray)。该数据集聚焦于机场安检中常见的刀具类违禁品，包含8885张由专业安检人员手动标注的图像，涵盖折叠刀、直刀、剪刀、实用刀及多功能工具刀五类目标。OPIXray不仅模拟了真实场景中的物品重叠与遮挡情况，还依据遮挡程度将测试集划分为三个等级，为评估模型在复杂遮挡环境下的鲁棒性提供了重要基准。该数据集的建立填补了该领域高质量检测数据集的空白，推动了基于深度学习的X射线安检图像分析研究的发展。

当前挑战

OPIXray数据集旨在解决X射线安检图像中遮挡违禁品的检测问题，其核心挑战在于处理跨类别遮挡，即违禁品与安全物品之间的重叠，这导致目标特征模糊、边界不清晰，显著增加了检测难度。此外，数据集中不同类别刀具形状相似，如折叠刀与多功能刀，进一步加剧了细粒度识别的复杂性。在数据集构建过程中，研究团队面临多重挑战：首先，真实安检场景中遮挡情况多样，需通过专业软件合成具有不同遮挡等级的图像以模拟现实分布；其次，为确保标注质量，所有边界框均由国际机场专业安检人员手动标注，耗时耗力且需严格遵循安检培训标准；最后，数据集的类别分布需反映真实场景中刀具的携带频率，例如折叠刀与多功能刀数量较多，而严重遮挡样本比例较低，这要求数据采集与划分具备高度的场景真实性考量。

常用场景

经典使用场景

在X射线安检图像分析领域，OPIXray数据集作为首个专注于遮挡违禁品检测的高质量基准，其经典应用场景在于评估和优化深度学习模型在复杂重叠物体环境下的检测性能。该数据集通过模拟真实行李中物品随机堆叠导致的严重遮挡情况，为研究者提供了标准化的测试平台，尤其适用于验证目标检测算法在遮挡条件下的鲁棒性和准确性。

解决学术问题

OPIXray数据集有效解决了安检场景中因物体遮挡导致的违禁品检测难题，填补了该领域高质量数据集的空白。其通过提供专业标注的五类刀具图像，并依据遮挡程度划分测试子集，使得研究者能够系统探究遮挡对检测性能的影响机制。该数据集推动了遮挡感知模型的设计，促进了计算机视觉在安全检测中的理论进展，为跨类别遮挡问题的研究奠定了实证基础。

衍生相关工作

OPIXray数据集的发布催生了一系列围绕遮挡安检图像分析的衍生研究。例如，原论文提出的去遮挡注意力模块（DOAM）被集成到SSD、YOLOv3等主流检测器中，显著提升了模型性能。后续工作在此基础上进一步探索了多模态融合、跨域适应等方向，推动了注意力机制与特征增强技术在安检视觉任务中的创新应用，形成了以遮挡处理为核心的技术演进脉络。