13种安全帽、防护服和口罩等佩戴情况检测数据集汇总及下载链接.zip-ITADN社区

优质

本资料汇总了包含多种安全装备如安全帽、防护服及口罩等穿戴状态的图像数据集，并提供下载链接，适用于监控系统与AI训练。【目标检测】电力行业高空作业安全带检测数据集VOC+YOLO格式147张4类别.7z 【目标检测】实验室穿戴工作服护目镜手套口罩面罩检测数据集367张5类别VOC-xml格式.zip 【目标检测】医用个人防护装备检测数据集981张5类别（口罩、工作服、护目镜、手套、面罩）VOC+YOLO格式.zip 【目标检测数据集】安全帽检测VOC+YOLO格式1600张.zip 【目标检测数据集】安全帽佩戴检测数据集5000张3类（头、安全帽、人）VOC+YOLO格式.zip 【目标检测数据集】高空作业及安全带佩戴检测数据集2546张4类别.7z 【目标检测数据集】工地安全帽佩戴检测1000张VOC+YOLO格式.rar 【目标检测数据集】工地安全帽佩戴检测4000张VOC+YOLO格式.rar 【目标检测数据集】工地安全帽数据集22736张2类VOC+YOLO格式.zip 【目标检测数据集】口罩数据集2406张VOC+YOLO格式.zip 【目标检测数据集】铁路工人工服安全帽检测数据集3065张3类别.7z 戴口罩检测VOC格式2700张.zip 人员佩戴口罩检测数据集VOC+YOLO12

YOLO安全帽佩戴检测的数据集

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

OpenCV检测口罩佩戴状况

优质

本项目利用OpenCV实现对视频或图片中的人脸及口罩佩戴情况进行实时检测和识别，旨在评估公众遵守防疫措施的情况。使用OpenCV的traincascade训练了两个XML文件，一个用于识别戴口罩的人脸，另一个用于识别未戴口罩的人脸。 ```python import cv2 imagedir = d://h04.jpg a = 0 img = cv2.imread(imagedir) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像灰化 face_cascade = cv2.CascadeClassifier(d:/路径/haarcascade_frontalface_default.xml) ```

OpenCV检测口罩佩戴状况

优质

本项目运用OpenCV技术开发了一套实时监测系统，能够准确识别并判断人员是否正确佩戴口罩，旨在提升公共场所的安全防护水平。使用OpenCV的traincascade训练了两个xml文件，一个用于识别戴口罩的人脸，另一个用于识别未戴口罩的人脸。以下是代码片段： ```python import cv2 imagedir = d://h04.jpg a = 0 img = cv2.imread(imagedir) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 图像灰化 #face_cascade = cv2.CascadeClassifier(d:/0205/opencv/sources/data/haarcascades/haarcascade_frontalface_default.xml) ```

疫情下口罩佩戴识别防护技术.pdf

优质

本文档探讨了在新冠疫情背景下，研发与应用口罩佩戴状态下的面部识别及安全防护技术，旨在提高公共卫生环境中的安全性与便利性。使用ModelArts实现图像分类和目标检测任务；入门人工智能，掌握人工智能项目开发流程，并实践计算视觉的相关案例，体验华为云一站式AI开发平台的功能。

基于YOLOv5的安全帽佩戴检测数据集

优质

本数据集旨在优化YOLOv5模型在建筑工地安全监管中的应用，专注于提升工人安全帽佩戴情况的识别精度与效率。打开数据集文件后可以看到里面包含images和labels两个文件夹。其中，images文件夹存放的是训练图片，并分为train和val两个子目录；而labels文件夹则存储通过labelimg工具生成的标签信息，同样也包括train和val两个子目录。这套资料适合于YOLOv5初学者以及学生群体使用，主要用于进行安全帽佩戴情况的检测任务。

关于人物佩戴安全帽的目标检测数据集

优质

本数据集专注于人物佩戴安全帽场景的目标检测，旨在提升建筑工地等高风险环境下的安全管理效率与准确性。安全帽数据集包含6696张图片及其对应的6696个VOC格式的xml标注文件。以下是四个Python脚本的功能描述：对VOC格式的xml标注文件转换为YOLO格式的txt文件，以及按照一定比例划分数据集。文件目录结构如下： ``` ├───DataProcessing │ └───VOCdevkit │ └───VOC2007 │ ├───Annotations │ ├───ImageSets │ └───JPEGImages ├───split82.py ├───split721.py ├───Voc2Yolo.py └───Yolo2Voc.py ```

戴口罩与不戴口罩情况下yolov5 best.pt模型的检测效果

优质

本研究对比了YOLOv5 best.pt模型在佩戴口罩和未佩戴口罩情况下的目标检测性能差异，分析其准确率、速度等指标变化。可以辨别图片、视频或实时摄像中的人员是否佩戴口罩。

关于佩戴口罩、未佩戴口罩和不规范佩戴口罩的数据及对应的.xml标签

优质

本资料分析了在不同情境下人们佩戴口罩的行为情况，并提供了对应于佩戴、未佩戴以及不规范佩戴口罩的相关数据及其XML标签，便于进一步的数据处理与应用。我们有一个包含约3000张图片的数据集，这些图片展示了佩戴口罩、未佩戴口罩以及不规范佩戴口罩的情况，并且每张图片都配有对应的.xml标签文件。

口罩识别数据集，用于检测用户是否佩戴口罩

优质

本数据集专为训练和测试机器学习模型而设计，旨在精准识别个体是否佩戴口罩，助力公共安全与健康监控系统。口罩数据集用于检测用户是否佩戴口罩。

是否确定退出登录?

13种安全帽、防护服和口罩等佩戴情况检测数据集汇总及下载链接.zip

全部评论 (0)