Advertisement

包含厨师帽和口罩检测的数据集+厨师帽单独检测

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
这是一个包含了戴有口罩的厨师以及仅佩戴厨师帽的人脸图像数据集,旨在为厨师帽与口罩的独立及联合检测提供训练资源。 该数据集分为两个部分:JPEGImages 和 Annotations。JPEGImages 文件夹包含超过 6400 张各种场景的图像,并且有大约1万个标注框。每张图片都使用 labelimg 工具进行了人工标注,对应的 xml 标注文件存放在 Annotations 文件夹中。 该数据集中的图片清晰、场景广泛,经过精心挑选和详细标注。适用于任何场景下的检测任务,可以作为识别是否有厨师帽口罩的模板数据集。在特定应用场景下,只需加入一些特定场景的数据即可满足需求。这节省了收集、筛选及人工标注图像的时间,并可以直接用于工程化应用中。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • +
    优质
    这是一个包含了戴有口罩的厨师以及仅佩戴厨师帽的人脸图像数据集,旨在为厨师帽与口罩的独立及联合检测提供训练资源。 该数据集分为两个部分:JPEGImages 和 Annotations。JPEGImages 文件夹包含超过 6400 张各种场景的图像,并且有大约1万个标注框。每张图片都使用 labelimg 工具进行了人工标注,对应的 xml 标注文件存放在 Annotations 文件夹中。 该数据集中的图片清晰、场景广泛,经过精心挑选和详细标注。适用于任何场景下的检测任务,可以作为识别是否有厨师帽口罩的模板数据集。在特定应用场景下,只需加入一些特定场景的数据即可满足需求。这节省了收集、筛选及人工标注图像的时间,并可以直接用于工程化应用中。
  • -目标系列-子与 (chef-hat) >> DataBall
    优质
    Chef-Hat是由DataBall开发的数据集,专注于物体检测中的帽子及厨师帽识别,为智能穿戴设备和安全监控系统提供精准的图像标注与分析模型训练素材。 数据集-目标检测系列- 帽子 厨师帽 检测数据集 chef_hat >> DataBall 标注文件格式:xml 通过webui 方式对ultralytics 的 detect 检测任务 进行: 1)数据预处理, 2)模型训练, 3)模型推理。 脚本运行方式: * 运行脚本: python webui_det.py or run_det.bat 根据readme.md步骤进行操作。 目前数据集暂时在指定网址进行更新。
  • [][VOC][正版]共2090张
    优质
    本数据集包含2090张图片,专为厨师帽目标检测设计,适用于各类基于图像的目标识别与定位研究。 数据集格式:Pascal VOC(不含分割的txt文件,仅包含jpg图片及对应的xml) 图片数量(jpg文件个数):2090 标注数量(xml文件个数):2090 标注类别数:2 标注类别名称:chef hat、head 每个类别的框数: - chef hat count = 4174 - head count = 1553 使用工具:labelImg 标注规则:对各类别进行矩形标记 重要说明:暂无特别说明
  • 佩戴-阳光房2851张图片-VOC、YOLOJSON格式标注.7z
    优质
    本数据集提供2851张图像用于厨师帽佩戴情况检测研究,涵盖VOC、YOLO及JSON三种格式的标注文件,适用于各类深度学习框架。 阳光厨房_厨师帽佩戴检测数据集(适用于课程作业、设计、比赛及实际项目) 【实际应用】:该数据集可用于开发厨师帽佩戴检测告警系统、阳光厨房系统以及明厨亮灶项目等。 【数据集详情】:本数据集包含2851张图片,用于博主的实际后厨智能分析摄像头项目。其中包括两类目标:“厨师帽”和“人头”。所有标注均为手工完成,精度高且分布均匀;背景多样,适合各种算法拟合使用。此数据集支持VOC(xml)、YOLO(txt)及JSON格式标签,并适用于多种目标检测算法。 【备注】:上传的所有数据均来自博主的实际项目或实验演示,确保高质量无劣质内容,请放心下载和使用。如遇问题可通过留言与我联系。
  • 安全
    优质
    本数据集包含各类施工现场的安全帽佩戴情况图像,旨在用于训练AI模型识别和监控工地人员的安全帽穿戴状况,提升施工安全性。 在IT行业中,数据集是至关重要的资源之一,在计算机视觉领域尤其如此,比如图像识别、目标检测以及机器学习模型的训练等方面都有广泛应用。Safety Helmet Detection是一个专门针对安全帽检测的数据集,旨在提高工业工作场所的安全标准,并确保员工在执行任务时佩戴必要的安全装备。 该数据集中包含5000张图片,每一张都经过了精确的边界框注释(bbox),这种标注方式采用的是PASCAL VOC格式,在计算机视觉领域被广泛使用。除了对象的边界信息外,PASCAL VOC还可能包含类别标签等额外信息,以帮助机器学习算法理解目标物体的具体位置。 数据集定义了三个主要类别: 1. 安全帽(Helmet):这是数据集中最重要的部分,目的是检测图像中的安全帽是否被正确佩戴。 2. 人(Person):由于安全帽通常由工人穿戴,因此识别人体也是很重要的。这有助于系统理解哪个个体正在使用该设备。 3. 头部(Head):“头”这一类别可能用于区分头部和身体的其他部分或者作为辅助信息来提高检测精度。 边界框注释对于训练深度学习模型至关重要,特别是基于卷积神经网络(CNN)的目标检测模型如YOLO、Faster R-CNN或Mask R-CNN。这些算法可以从图像中定位并分类目标物体,从而实现自动识别未佩戴安全帽的情况。 在实际应用中,这样的数据集可以用于开发监控系统,在工地等高风险环境中实时监测工人是否正确使用了安全装备。一旦检测到某位员工没有戴好头盔,该系统将触发警告信号以提醒管理层采取行动防止潜在的安全事故。 为了构建和训练模型,首先需要解压包含图像及其注释文件的数据集压缩包,并利用合适的工具(如LabelImg或VGG Image Annotator (VIA))读取并验证PASCAL VOC格式的标注信息。然后将数据划分为训练、验证及测试三个部分以评估模型性能表现。接下来,选择一个适合的深度学习框架(例如TensorFlow、PyTorch或者Keras),实现和培训目标检测算法,并通过调整参数优化器以及损失函数来进一步提高其准确性。 完成上述步骤之后,在确保充分验证的情况下就可以将训练好的模型部署到实际环境中进行实时监控了。这样不仅可以有效提升工作现场的安全水平,还能大幅减少因未按规定佩戴安全帽而引发的工伤事故风险。
  • YOLOv5项目六种标签 dataset:后工作、工作服及等物品
    优质
    YOLOv5项目集成了涵盖六个分类的数据集,包括但不限于后厨工作人员的帽子、服装和口罩等关键标识物,旨在优化厨房环境下的目标识别精度。 YOLOv5项目包含一个数据集,该数据集中有六种标签:无工作帽、工作服、口罩及其他相关类别。压缩包内有两个文件夹:JPEGImages 文件夹里含有7392张图片;Annotations 文件夹则提供VOC格式的xml注释文件,对应JPEGImages中的每一张图片,并且包含txt文件来定义六个数据标签名称(例如nohat)。如果需要适用于Python的TXT格式标注信息,请直接联系我。我可以无偿分享YOLOv5训练过程的教学资料,包括环境部署、参数设置讲解以及各种性能评估指标如map或iou等;同时还可以绘制precision和recall图等多种图表进行可视化分析。对于其他目标检测项目也提供相应的教学支持,并且全部使用GPU进行训练。请注意,我不是售卖项目的人员,在校大学生一枚,希望相互学习共同进步嘻嘻嘻。
  • XML格式安全
    优质
    本数据集采用XML格式存储,专注于安全帽佩戴情况的智能识别与监控,旨在提升施工现场安全管理效率和准确性。 这段数据包含5240张XML格式的安全帽检测图片,其中包括helmet和head两类。
  • YOLO安全佩戴
    优质
    该数据集为YOLO算法专门设计,专注于工地环境中工人安全帽佩戴情况的识别与监测,旨在提升工作场所的安全管理水平。 人民的生命安全永远是第一位的,在建筑行业这种长期处于较高风险的工作环境中尤其重要。如何确保工地工人佩戴安全帽以及监控危险区域是否有人进出,对于保障建筑行业的持续安全发展至关重要。 此数据集提供了用于检测安全帽的数据集,包含5000张图像及其对应的标注信息,并已划分训练集与验证集。该数据集修正了原始SCUT-HEAD的错误,并且可以按照Pascal VOC格式直接加载使用。 应用领域:AI+安防—目标检测 数据集结构: HelmetDetection ├── annotations │ ├── hard_hat_workers0.xml │ ├── ............................................ ├── images │ ├── hard_hat_workers0.jpg │ ├── ..................................... ├── label_list.txt ├── valid.tx
  • 约1900个
    优质
    本数据集包含了超过1800条记录,专注于各类口罩的检测信息,旨在支持科研人员和开发者进行面部遮挡下的身份验证及表情识别等研究。 口罩检测数据集包含约1900个数据。