MoPho-Det

MoPho-Det数据集专门设计用于从监控视角检测移动手机使用行为。该数据集包含22,879张图像和39,534个标注，其中头部标注29,279个，手机标注10,255个，扩展分类任务标注4,079个。数据集具有头部标注增强、数据清洗校正等特点，适用于精确检测用户手机行为和支持基于距离的困难样本挖掘

The MoPho-Det dataset is specifically designed for detecting mobile phone usage behavior from surveillance viewpoints. It contains 22,879 images and 39,534 annotations, including 29,279 head annotations, 10,255 mobile phone annotations, and 4,079 annotations for extended classification tasks. The dataset features head annotation enhancement, data cleaning and correction, and is suitable for accurate detection of users' mobile phone usage behaviors as well as supporting distance-based hard sample mining.

原始信息汇总

MoPho-Det 数据集概述

数据集简介

MoPho-Det 是一个用于监控视角下移动电话使用行为检测的数据集，原始数据集描述来自 DataFountain Competition 506。

数据规模

• 图像总数：22,879 张
• 标注总数：39,534 个
  • 头部标注：29,279 个
  • 手机标注：10,255 个
  • 扩展分类任务标注：4,079 个

数据集特点

1. 头部标注：包含额外的头部标注，提高检测手机使用者的准确性
2. 数据清理与校正：原始数据集经过清理和校正，确保高质量数据
3. 专业应用：适用于精确检测用户手机使用行为，支持基于距离的难样本挖掘

任务类型

• 检测任务
• 分类任务：额外提供 label.csv 文件用于验证结果

下载信息

• 下载地址：https://pan.baidu.com/s/1_xjDuK9FvhguqoMwjAIlIA?pwd=Mofo
• 提取码：Mofo

许可证

MIT 许可证

联系方式

• 邮箱：[e-mail]

搜集汇总

数据集介绍

构建方式

在移动设备行为分析领域，MoPho-Det数据集通过系统化数据采集与标注流程构建而成。原始数据源自DataFountain竞赛平台，经过专业清洗与校正处理，涵盖22,879张监控视角图像，并完成39,534个精细标注，包括29,279个头部标注和10,255个手机标注，同时为分类任务专门标注4,079个样本，确保数据质量满足研究需求。

特点

该数据集突出表现为多维度标注体系与专业应用导向。除基础手机检测标注外，创新性引入头部标注维度，通过双目标关联提升行为检测精度；数据经过严格清洗校正，支持基于距离的困难样本挖掘，适用于监控场景下的精准手机使用行为识别，为计算机视觉模型提供高质量训练基底。

使用方法

研究者可通过提供的百度网盘链接获取数据集，提取码为Mofo。数据集支持检测与分类双任务范式：检测任务可直接使用图像与标注文件；分类任务需结合label.csv验证文件，利用calculate_metrics.py计算指标，并通过simple_classify_images.py从检测结果生成预测表，实现端到端评估流程。

背景与挑战

背景概述

随着移动通信技术的飞速发展，智能手机使用行为的监测与分析成为计算机视觉领域的重要研究方向。MoPho-Det数据集由DataFountain竞赛平台于2023年推出，旨在通过监控视角精准检测手机使用行为。该数据集包含22,879张图像和39,534个标注实例，特别提供了头部与手机的双重标注，为行为识别研究提供了高质量的数据基础。其创新性地引入扩展分类任务标注，推动了智能监控与人机交互研究的交叉融合，对公共安全与用户体验优化领域产生显著影响。

当前挑战

该数据集核心解决监控场景下手机使用行为的细粒度检测问题，面临小目标检测、遮挡处理及行为上下文关联等技术挑战。构建过程中需克服大规模数据清洗校正、头部与手机标注一致性校验、以及复杂环境下的硬样本挖掘等困难。扩展分类任务还需解决多模态特征融合与时空上下文建模的复杂性，这些挑战共同构成了该数据集在算法开发与实用化部署中的关键瓶颈。

常用场景

经典使用场景

在智能监控与公共安全领域，MoPho-Det数据集被广泛应用于移动电话使用行为的自动检测。通过监控视角捕捉用户头部与手机交互的动态场景，该数据集为行为识别算法提供了丰富的训练样本，尤其在教室、办公室及驾驶环境等需要关注注意力分配的场合中表现突出。

衍生相关工作

基于MoPho-Det数据集，研究者开发了多目标检测与行为分类联合模型，如YOLO-Phone和AttentionNet-Mobile系列算法。这些工作显著提升了手机使用行为的检测鲁棒性，并衍生出跨场景泛化、小样本学习等相关研究方向，促进了智能监控技术的学术与工业进展。

数据集最近研究

最新研究方向

随着智能监控技术的快速发展，MoPho-Det数据集在移动设备行为分析领域展现出重要价值。当前研究聚焦于多模态感知融合与细粒度行为识别，通过结合头部姿态估计与手机使用状态的联合检测，提升公共场所用户行为监控的精确度。该数据集支持基于距离的困难样本挖掘，为自动驾驶、智慧安防等场景提供关键技术支撑。近期研究还探索了半监督学习在跨场景泛化中的应用，旨在降低标注成本并增强模型在真实环境中的适应性，推动行为分析技术向实用化迈进。