keremberke/construction-safety-object-detection

---
task_categories:
- object-detection
tags:
- roboflow
- roboflow2huggingface
- Construction
- Logistics
- Utilities
- Damage Risk
- Ppe
- Construction
- Utilities
- Manufacturing
- Logistics
- Ppe
- Assembly Line
- Warehouse
- Factory
---

<div align="center">
<img width="640" alt="keremberke/construction-safety-object-detection" src="https://huggingface.co/datasets/keremberke/construction-safety-object-detection/resolve/main/thumbnail.jpg">
</div>

### Dataset Labels

```
['barricade', 'dumpster', 'excavators', 'gloves', 'hardhat', 'mask', 'no-hardhat', 'no-mask', 'no-safety vest', 'person', 'safety net', 'safety shoes', 'safety vest', 'dump truck', 'mini-van', 'truck', 'wheel loader']
```

### Number of Images

```json
{'train': 307, 'valid': 57, 'test': 34}
```

### How to Use

- Install [datasets](https://pypi.org/project/datasets/):

```bash
pip install datasets
```

- Load the dataset:

```python
from datasets import load_dataset

ds = load_dataset("keremberke/construction-safety-object-detection", name="full")
example = ds['train'][0]
```

### Roboflow Dataset Page
[https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety/dataset/1](https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety/dataset/1?ref=roboflow2huggingface)

### Citation

```
@misc{ construction-site-safety_dataset,
title = { Construction Site Safety Dataset },
type = { Open Source Dataset },
author = { Roboflow Universe Projects },
howpublished = { \\url{ https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety } },
url = { https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety },
journal = { Roboflow Universe },
publisher = { Roboflow },
year = { 2023 },
month = { jan },
note = { visited on 2023-01-26 },
}
```

### License
CC BY 4.0

### Dataset Summary
This dataset was exported via roboflow.com on December 29, 2022 at 11:22 AM GMT

Roboflow is an end-to-end computer vision platform that helps you
* collaborate with your team on computer vision projects
* collect & organize images
* understand unstructured image data
* annotate, and create datasets
* export, train, and deploy computer vision models
* use active learning to improve your dataset over time

It includes 398 images.
Construction are annotated in COCO format.

The following pre-processing was applied to each image:
* Auto-orientation of pixel data (with EXIF-orientation stripping)

No image augmentation techniques were applied.

### 任务类别
- 目标检测（object-detection）

### 标签
- Roboflow
- roboflow2huggingface
- 建筑工程（Construction）
- 物流（Logistics）
- 公用事业（Utilities）
- 损坏风险（Damage Risk）
- 个人防护装备（PPE）
- 建筑工程（Construction）
- 公用事业（Utilities）
- 制造业（Manufacturing）
- 物流（Logistics）
- 个人防护装备（PPE）
- 装配线（Assembly Line）
- 仓库（Warehouse）
- 工厂（Factory）

<div align="center">
<img width="640" alt="keremberke/建筑安全目标检测" src="https://huggingface.co/datasets/keremberke/construction-safety-object-detection/resolve/main/thumbnail.jpg">
</div>

### 数据集标签

['路障（barricade）', '自卸垃圾箱（dumpster）', '挖掘机（excavators）', '手套（gloves）', '安全帽（hardhat）', '口罩（mask）', '未佩戴安全帽（no-hardhat）', '未佩戴口罩（no-mask）', '未穿戴安全背心（no-safety vest）', '人员（person）', '安全网（safety net）', '安全鞋（safety shoes）', '安全背心（safety vest）', '自卸卡车（dump truck）', '小型货车（mini-van）', '卡车（truck）', '轮式装载机（wheel loader）']

### 图像数量
json
{"训练集": 307, "验证集": 57, "测试集": 34}

### 使用方法
- 安装[datasets](https://pypi.org/project/datasets/)库：
bash
pip install datasets

- 加载数据集：
python
from datasets import load_dataset

ds = load_dataset("keremberke/construction-safety-object-detection", name="full")
example = ds['train'][0]

### Roboflow 数据集页面
[https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety/dataset/1](https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety/dataset/1?ref=roboflow2huggingface)

### 引用

@misc{ construction-site-safety_dataset,
title = { 建筑工地安全数据集 },
type = { 开源数据集 },
author = { Roboflow 宇宙项目团队 },
howpublished = { \url{ https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety } },
url = { https://universe.roboflow.com/roboflow-universe-projects/construction-site-safety },
journal = { Roboflow 宇宙 },
publisher = { Roboflow },
year = { 2023 },
month = { jan },
note = { 访问于 2023-01-26 },
}

### 许可证
CC BY 4.0

### 数据集概述
本数据集于2022年12月29日格林尼治标准时间上午11:22通过roboflow.com导出。

Roboflow是一款端到端的计算机视觉平台，可助力您完成以下工作：
* 与团队协作开展计算机视觉项目
* 收集并整理图像数据
* 解析非结构化图像数据
* 进行标注并构建数据集
* 导出、训练并部署计算机视觉模型
* 运用主动学习技术，持续优化数据集

本数据集共包含398张图像，建筑相关目标采用COCO格式进行标注。

已对每张图像执行以下预处理操作：
* 像素数据自动校正（附带EXIF方向信息剥离）

未使用任何图像增强技术。

原始信息汇总

数据集概述

任务类别

• 目标检测

标签

• barricade
• dumpster
• excavators
• gloves
• hardhat
• mask
• no-hardhat
• no-mask
• no-safety vest
• person
• safety net
• safety shoes
• safety vest
• dump truck
• mini-van
• truck
• wheel loader

图像数量

json { "train": 307, "valid": 57, "test": 34 }

使用方法

1. 安装 datasets 库： bash pip install datasets

2. 加载数据集： python from datasets import load_dataset ds = load_dataset("keremberke/construction-safety-object-detection", name="full") example = ds[train][0]

许可证

• CC BY 4.0

数据集处理

• 应用了自动像素数据方向调整（包含EXIF方向剥离）
• 未应用图像增强技术

搜集汇总

数据集介绍

构建方式

keremberke/construction-safety-object-detection数据集是通过Roboflow平台构建的，涵盖了建筑安全领域的对象检测任务。数据集包含了来自建筑、物流、公共事业、损坏风险、个人防护装备（PPE）等多个相关领域的图像，共计398张，其中经过精确标注，以COCO格式存储，每张图像都自动调整方向以保证统一性。

使用方法

使用该数据集时，首先需要安装datasets库，然后通过load_dataset函数加载数据集。加载后的数据集可以直接用于训练、验证或测试计算机视觉模型。此外，用户可以访问Roboflow的数据集页面以获取更多关于数据集的信息和细节。

背景与挑战

背景概述

在建筑行业安全监管领域，由于施工现场环境的复杂性和多变性，保障工人安全始终是一项艰巨的任务。keremberke/construction-safety-object-detection数据集应运而生，该数据集由Roboflow Universe Projects于2023年创建，旨在为研究人员提供一个专注于建筑场所安全对象检测的公开数据集。该数据集汇集了398张标注图像，涵盖了一系列安全相关的对象标签，如安全帽、安全网、安全鞋等，对于推动建筑行业安全监测技术的发展具有重要意义。

当前挑战

该数据集面临的挑战主要在于两个方面：一是领域问题层面，如何利用这一数据集提高建筑场所对象检测的准确性和实时性，以实时监控施工现场的安全状况；二是数据集构建过程中，如何确保图像标注的准确性和一致性，以及如何处理数据集规模较小可能导致的模型泛化能力不足等问题。这些挑战不仅考验着数据集的质量，也考验着相关算法和模型的设计与优化能力。

常用场景

经典使用场景

在建筑安全领域，keremberke/construction-safety-object-detection数据集被广泛应用于对象检测任务中，其涵盖了施工场所的安全要素，如安全帽、安全网、安全鞋等。该数据集通过提供标注详细的图像，使得研究人员能够训练出识别这些安全要素的机器学习模型，从而在施工现场实时监控安全规范的遵守情况。

解决学术问题

该数据集解决了施工现场安全监控的自动化问题，传统的监控方法依赖人工检查，效率低下且易漏检。通过使用keremberke/construction-safety-object-detection数据集，研究者能够开发出自动化安全监测系统，提高监控的准确性和效率，为施工现场提供一个智能化的安全保障方案。

实际应用

在实际应用中，该数据集可用于开发智能监控系统，自动识别施工现场的安全违规行为，如未佩戴安全帽、安全鞋等。此类系统可实时反馈给现场管理人员，及时纠正不安全行为，降低安全事故发生的风险。

数据集最近研究

最新研究方向

在建筑安全领域，对象检测技术正日益成为保障工人安全的关键技术。keremberke/construction-safety-object-detection数据集为此提供了丰富的标注数据，涵盖了安全帽、安全服、安全网等多种安全相关的对象。近期的研究方向主要集中在提升对象检测算法在复杂 construction 场景下的准确性和鲁棒性，以及如何在实时性要求高的环境中保持较高的检测效率。该数据集的引入，为研究人员提供了一个新的测试基准，有助于推动算法的创新与进步。同时，与安全事故相关的热点事件频发，使得这一研究方向的成果具有显著的现实意义和应用价值。