AIC 2026 · 城市场景视觉多模态目标检测

全球校园人工智能算法精英大赛“面向城市场景的视觉多模态目标检测”赛题项目，获 2026 年省赛三等奖。本仓库整理本人参与的模型训练、推理、评测与实验分析代码，以及历史训练配置。

任务涉及可见光、红外与深度信息下的 12 类城市目标检测。实验覆盖 YOLO、D-FINE、Co-DETR 等模型路线；这里发布的主要是本人的训练启动器、D-FINE 推理工具、YOLO 多模态实验模块和独立评测工具，第三方模型框架由上游提供。

工作内容

• 数据与多模态处理：模态读取、深度编码、融合实验及分组验证分析。
• 模型实验：YOLO 基线与多模态分支、D-FINE 训练启动及配置归档。
• 推理与输出：多尺度和翻转 TTA、按类 NMS、坐标转换及每图最多 100 框的提交格式检查。
• 评测与诊断：mAP@50–95、本地评测与 pycocotools 对照、分类别和分组误差分析。

目录

路径	内容
scripts/	训练、推理、数据诊断和提交检查工具
src/mm/	多模态读取、融合与实验模块
src/eval/	本地评测、数据划分与误差分析
configs/	YOLO 示例与 D-FINE 历史实验配置
复现说明	环境、输入与执行方式
实验整理	路线、结果口径与验证限制
第三方说明	依赖与来源

快速检查

pip install -r requirements.txt
python src/eval/test_map_eval.py
python scripts/check_submission.py --pred-dir path/to/predictions --test-dir path/to/test_images

本仓库不包含比赛数据、模型权重、预测结果包、账号凭据和服务器管理脚本。使用者需自行取得有权使用的数据和预训练权重。归档配置中的机器路径已改为相对路径，数据目录和上游配置需按复现说明准备。