SH17 Dataset

SH17数据集用于制造业中的人类安全和个体防护装备检测，包含8,099张标注图像，75,994个对象实例，涵盖17类PPE物品和身体部位，收集自全球多样化的工业环境。

The SH17 dataset is developed for human safety and personal protective equipment (PPE) detection in manufacturing industries. It comprises 8,099 annotated images and 75,994 object instances, covering 17 categories of PPE items and body parts, and was collected from diverse industrial environments worldwide.

原始信息汇总

SH17数据集概述

数据集简介

SH17数据集专注于制造业中的人类安全和个体防护装备（PPE）检测。该数据集包含8,099张标注图像，涵盖75,994个对象实例，涉及17个PPE类别。数据集旨在通过对象检测（OD）和卷积神经网络（CNN）技术，验证和检测如头盔、安全眼镜、口罩和防护服等PPE的正确使用。

数据集详情

• 图像数量: 8,099张
• 对象实例: 75,994个
• 类别数量: 17类
• 类别列表:
  1. Person
  2. Head
  3. Face
  4. Glasses
  5. Face-mask-medical
  6. Face-guard
  7. Ear
  8. Earmuffs
  9. Hands
  10. Gloves
  11. Foot
  12. Shoes
  13. Safety-vest
  14. Tools
  15. Helmet
  16. Medical-suit
  17. Safety-suit

关键特性

• 图像收集自全球多样化的工业环境。
• 高质量图像，最大分辨率为8192x5462，最小为1920x1002。
• 平均每张图像包含9.38个实例。
• 包含小对象如耳朵和耳罩（39,764个标注小于图像面积的1%，59,025个标注小于图像面积的5%）。

模型训练与评估

数据集用于训练和验证多种YOLO模型（v8, v9, v10），使用ultralytics库进行模型训练。提供了各模型的训练权重和评估结果，其中YOLOv9-e模型在PPE检测中达到了超过70.9%的准确率。

使用许可

SH17数据集遵循CC BY-NC-SA 4.0许可协议，仅供教育、研究和分析目的使用。用户在使用数据时应遵守Pexels网站的版权声明，并确保使用数据的行为符合法律和道德规范。

搜集汇总

数据集介绍

构建方式

SH17数据集的构建基于对制造业环境中人类安全和个体防护装备（PPE）检测的需求。该数据集由8,099张经过标注的图像组成，涵盖了75,994个对象实例，涉及17种PPE物品和身体部位。这些图像从全球多样化的工业环境中采集，确保了数据集的广泛代表性。图像的分辨率范围从1920x1002到8192x5462，平均每张图像包含9.38个实例，包括如耳部和耳罩等小物体。数据集的构建过程严格遵循对象检测（OD）和卷积神经网络（CNN）的技术框架，旨在为训练和验证OD模型提供高质量的数据支持。

特点

SH17数据集的主要特点在于其广泛的应用场景和高度的细节捕捉。首先，数据集包含了从全球不同工业环境中采集的高质量图像，确保了训练模型的泛化能力。其次，数据集详细标注了17种PPE物品和身体部位，包括小至耳部和耳罩的物体，这些小物体在图像中的占比不到1%，但仍被精确标注，体现了数据集的细致程度。此外，数据集的平均实例密度为每张图像9.38个，确保了模型在处理复杂场景时的鲁棒性。这些特点使得SH17数据集成为研究和开发PPE检测技术的理想选择。

使用方法

使用SH17数据集进行模型训练和验证时，首先需要从Kaggle平台下载数据集，并使用提供的脚本将图像和标注文件整合。接着，用户可以利用ultralytics库中的YOLO模型进行训练，如YOLOv8、v9和v10等。训练过程中，可以通过调整模型参数和数据增强技术来优化模型性能。训练完成后，用户可以使用训练好的模型对新图像进行推理，并通过ultralytics库提供的接口查看和分析结果。此外，数据集还提供了详细的评估代码，用户可以利用这些代码在SH17验证集上复现基准测试结果，确保模型的准确性和可靠性。

背景与挑战

背景概述

在制造业等高风险行业中，工作场所事故对人类安全构成重大威胁，因此个人防护装备（PPE）的合规性变得尤为重要。SH17数据集由Ahmad和Rahimi于2024年创建，旨在通过基于对象检测（OD）和卷积神经网络（CNN）的非侵入性技术，检测和验证各种PPE的正确使用，如头盔、安全眼镜、口罩和防护服。该数据集包含8,099张标注图像，涵盖75,994个实例，涉及17个类别，从全球多样化的工业环境中收集。SH17数据集的推出，标志着在提升安全管理系统效率和可扩展性方面迈出了重要一步，为行业满足人类安全法规提供了有力支持。

当前挑战

SH17数据集在构建过程中面临多重挑战。首先，从全球多样化的工业环境中收集高质量图像，确保数据的广泛代表性，是一项艰巨任务。其次，数据集中包含大量小对象（如耳朵和耳罩），这些对象的检测难度较大，需要高精度的算法支持。此外，跨域数据集的模型验证也提出了新的挑战，要求模型在不同环境下保持稳定性能。这些挑战不仅推动了对象检测技术的发展，也为未来在复杂工业环境中的应用提供了宝贵的经验。

常用场景

经典使用场景

在制造业环境中，SH17数据集被广泛用于训练和验证个人防护设备（PPE）检测模型。通过该数据集，研究人员能够开发出高效的计算机视觉算法，以实时监测工人是否正确佩戴安全帽、护目镜、口罩等防护装备。这种应用不仅提升了工作场所的安全性，还为自动化安全管理系统提供了坚实的技术基础。

解决学术问题

SH17数据集解决了在制造业和建筑业中，如何通过非侵入性技术有效监测和确保工人佩戴个人防护设备（PPE）的学术难题。该数据集通过提供多样化的工业环境图像和详细的PPE标注，使得研究人员能够训练出高精度的对象检测模型，从而显著提升了安全管理系统的效率和可靠性。

衍生相关工作

基于SH17数据集，研究者们开发了多种先进的对象检测模型，如YOLOv8、YOLOv9和YOLOv10系列，这些模型在PPE检测任务中表现出色。此外，该数据集还激发了关于如何在不同工业环境中实现高效安全监测的研究，推动了计算机视觉技术在制造业安全管理中的应用和发展。