<kbd id="afajh"><form id="afajh"></form></kbd>
<strong id="afajh"><dl id="afajh"></dl></strong>
    <del id="afajh"><form id="afajh"></form></del>
        1. <th id="afajh"><progress id="afajh"></progress></th>
          <b id="afajh"><abbr id="afajh"></abbr></b>
          <th id="afajh"><progress id="afajh"></progress></th>

          開(kāi)源 | 安全帽佩戴檢測(cè)數(shù)據(jù)集

          共 1684字,需瀏覽 4分鐘

           ·

          2021-01-06 19:52

          最近圖像領(lǐng)域比較火熱的兩個(gè)方向都與復(fù)工復(fù)產(chǎn)相關(guān),一方面是口罩識(shí)別,另一方面,就是智能工地安全領(lǐng)域中的安全帽佩戴檢測(cè),很多同學(xué)或許沒(méi)想到印象的大工地現(xiàn)在已經(jīng)隨著計(jì)算機(jī)視覺(jué)領(lǐng)域的發(fā)展如此智能化了。人民的生命安全永遠(yuǎn)是第一位的,特別是在建筑行業(yè)這樣長(zhǎng)期處于較高風(fēng)險(xiǎn)的工作環(huán)境當(dāng)中,如何對(duì)工地環(huán)境中工人是否佩戴安全帽以及工地的危險(xiǎn)區(qū)域內(nèi)是否有人,這對(duì)于保持建筑行業(yè)安全持久發(fā)展是至關(guān)重要的。另外,除了今天提及的安全帽佩戴檢測(cè)數(shù)據(jù)集外,還有在該數(shù)據(jù)集基礎(chǔ)上的開(kāi)源落地項(xiàng)目喲,業(yè)界領(lǐng)先的目標(biāo)檢測(cè)框架如YOLOv5s、YOLOv5m、YOLOv5l均已用于訓(xùn)練安全帽佩戴檢測(cè)數(shù)據(jù)集,代碼和權(quán)重均已開(kāi)源,相關(guān)項(xiàng)目將和數(shù)據(jù)集一起分享給大家。話不多說(shuō),一起來(lái)看看數(shù)據(jù)情況~

          01

          數(shù)據(jù)簡(jiǎn)介

          安全帽佩戴檢測(cè)數(shù)據(jù)集來(lái)源于項(xiàng)目Smart Construction,它是一個(gè)非常棒的開(kāi)源項(xiàng)目,利用YOLOv5進(jìn)行目標(biāo)檢測(cè)的"落地化"應(yīng)用具體地,它使用了YOLOv5s、YOLOv5m、YOLOv5l來(lái)訓(xùn)練安全帽佩戴檢測(cè)數(shù)據(jù)集(SHWD),代碼和權(quán)重均已開(kāi)源,具體地是使用 YOLOv5 來(lái)訓(xùn)練在智能工地安全領(lǐng)域中頭盔目標(biāo)檢測(cè)的應(yīng)用。

          SHWD提供了用于安全帽佩戴和人頭檢測(cè)的兩者數(shù)據(jù)集。它一共包括7581張圖像,其中帶有9044張人類(lèi)安全頭盔的佩戴物(正)和111514件正常頭部的物品(未佩戴或負(fù))。正對(duì)象來(lái)自goolge或baidu,數(shù)據(jù)集中用LabelImg手動(dòng)標(biāo)記。一些負(fù)對(duì)象來(lái)自SCUT-HEAD。數(shù)據(jù)集中修復(fù)了原始SCUT-HEAD的一些錯(cuò)誤,并使數(shù)據(jù)可以按正常的Pascal VOC格式直接加載。此外,項(xiàng)目中還提供了MXNet GluonCV的一些預(yù)訓(xùn)練模型。
          數(shù)據(jù)集中將數(shù)據(jù)注釋為Pascal VOC格式,數(shù)據(jù)集文件結(jié)構(gòu)如下:
          目標(biāo)檢測(cè)任務(wù)包含兩個(gè)對(duì)象類(lèi)名稱(chēng),“帽子”代表正對(duì)象,“人”代表負(fù)對(duì)象。如下圖所示,我們來(lái)看看正、負(fù)對(duì)象的演示圖像。

          02
          數(shù)據(jù)鏈接
          這里是安全帽佩戴檢測(cè)數(shù)據(jù)集的分享,數(shù)據(jù)分享來(lái)源于BAIDU和GOOGLE,我們這里也給出兩個(gè)官方來(lái)源的分享鏈接:

          BAIDU DRIVE:

          https://pan.baidu.com/s/1UbFkGm4EppdAU660Vu7SdQ

          GOOGLE DRIVE:

          https://drive.google.com/open?id=1qWm7rrwvjAWs1slymbrLaCf7Q-wnGLEX

          這里還包括兩者利用該數(shù)據(jù)進(jìn)行研究提供的預(yù)訓(xùn)練模型分享喲。

          BAIDU MODEL:

          https://pan.baidu.com/s/1dWNU_q59sw1a3TVtV7VXEg#list/path=%2F

          GOOGLE MODEL:

          https://github.com/njvisionpower/Safety-Helmet-Wearing-Dataset#model

          下面分別是不同預(yù)訓(xùn)練模型在數(shù)據(jù)集上的表現(xiàn)。

          從事圖像目標(biāo)檢測(cè)相關(guān)研究或?qū)υ擁?xiàng)目非常感興趣的同學(xué)可以進(jìn)入項(xiàng)目官方鏈接https://github.com/PeterH0323/Smart_Construction,親自動(dòng)手實(shí)踐一下,前提當(dāng)然是擁有性能優(yōu)異的CPU,項(xiàng)目當(dāng)中也提到了用CPU加載數(shù)據(jù)集上花費(fèi)大量時(shí)間,建議使用多核CPU,CPU核心數(shù)設(shè)置得更大一些,這將提高訓(xùn)練速度。眾所周知,CV領(lǐng)域當(dāng)然盡可能使用好的GPU來(lái)完成任務(wù),我們按項(xiàng)目流程實(shí)際體驗(yàn)了一下,這里建議各位同學(xué)在實(shí)踐中使用GTX 1080Ti以上配置的機(jī)器會(huì)有較好的體驗(yàn)。


          更多閱讀



          2020 年最佳流行 Python 庫(kù) Top 10


          2020 Python中文社區(qū)熱門(mén)文章 Top 10


          Top 10 沙雕又有趣的 GitHub 程序

          特別推薦





          點(diǎn)擊下方閱讀原文加入社區(qū)會(huì)員

          瀏覽 123
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          評(píng)論
          圖片
          表情
          推薦
          點(diǎn)贊
          評(píng)論
          收藏
          分享

          手機(jī)掃一掃分享

          分享
          舉報(bào)
          <kbd id="afajh"><form id="afajh"></form></kbd>
          <strong id="afajh"><dl id="afajh"></dl></strong>
            <del id="afajh"><form id="afajh"></form></del>
                1. <th id="afajh"><progress id="afajh"></progress></th>
                  <b id="afajh"><abbr id="afajh"></abbr></b>
                  <th id="afajh"><progress id="afajh"></progress></th>
                  天天操天天舔天天日 | 一区二区男女无码 | 丁香五月婷婷无码 | 很很鲁97 | 中文字幕在线看片 |