地铁X光危险品检测数据集介绍

数据集概览

本数据集旨在为地铁X光安检系统提供高质量的危险品检测训练素材。数据集包含18类常见危险品，总共6265张图像，每张图像均经过精心标注，确保了数据的质量和一致性。数据集适用于多种格式（YOLO适用的txt格式、XML格式或JSON格式），可以直接用于模型训练，无需额外的预处理步骤。

数据集特点

1. 全面覆盖：数据集包含18种常见的危险品类别，涵盖了地铁安检中可能出现的主要违禁物品。
2. 高质量标注：每张图像均进行了详细标注，确保了标注的准确性和一致性。
3. 多样化场景：图像来源于不同的X光扫描场景，涵盖了各种不同的背景和角度，有助于模型更好地泛化。
4. 多种格式支持：标注文件支持YOLO适用的txt格式、XML格式或JSON格式，满足不同模型训练的需求。
5. 灵活的数据划分：数据集未进行预划分，可以根据实际需求自由划分训练集、验证集和测试集。

数据集内容

• 图像数量：6265张
• 类别标签：
  • Axe（斧头）
  • Chisel（凿子）
  • Firecracker（鞭炮）
  • Gun（枪）
  • HDD（硬盘驱动器）
  • Hammer（锤子）
  • HandCuffs（手铐）
  • Knife（刀子）
  • Lighter（打火机）
  • Plier（钳子）
  • Saw（锯子）
  • Scissors（剪刀）
  • Screwdriver（螺丝刀）
  • SmartPhone（智能手机）
  • Spanner（扳手）
  • SupplementaryBattery（备用电池）
  • Throwing Knife（投掷刀）
  • USB（USB设备）
• 标注格式：支持YOLO适用的txt格式、XML格式或JSON格式

数据集使用

1. 数据预览：查看数据集中的图像和标注文件，确保数据符合预期。
2. 数据划分：根据实际需求将数据集划分为训练集、验证集和测试集。
3. 模型训练：使用标注好的数据集训练目标检测模型，如YOLO系列模型。
4. 模型评估：在验证集和测试集上评估模型的性能，确保模型的有效性。

标注文件示例

假设使用YOLO适用的txt格式，标注文件的内容如下所示：

10 0.45 0.35 0.20 0.20  # 类别0（斧头），中心点坐标(0.45, 0.35)，宽度0.20，高度0.20
21 0.60 0.40 0.15 0.15  # 类别1（凿子），中心点坐标(0.60, 0.40)，宽度0.15，高度0.15
3...

每个标注文件对应一张图像，文件名为图像文件名加上.txt后缀。每个标注行包含类别编号、中心点坐标(x, y)、宽度(w)和高度(h)，所有数值都归一化到了0到1之间。

数据集获取

如果您对该数据集感兴趣，可以通过以下方式进行获取：