SafetyHelmetWearing-Dataset
收藏资源简介：
安全帽佩戴检测数据集，包含7581张图像，其中有9044个佩戴安全帽的人（正例）和111514个未佩戴安全帽的人（负例）。数据集中的正例对象来自谷歌或百度，并使用LabelImg手动标注。部分负例对象来自SCUT-HEAD数据集，我们对原始SCUT-HEAD数据集进行了一些修正，使其可以直接加载为标准的Pascal VOC格式。
The safety helmet wearing detection dataset comprises 7,581 images, including 9,044 instances of individuals wearing safety helmets (positive examples) and 111,514 instances of individuals not wearing safety helmets (negative examples). The positive examples in the dataset are sourced from Google or Baidu and are manually annotated using LabelImg. Some of the negative examples are derived from the SCUT-HEAD dataset, which we have modified to ensure it can be directly loaded in the standard Pascal VOC format.
SafetyHelmetWearing-Dataset 概述
数据集简介
SafetyHelmetWearing-Dataset（SHWD）是一个用于安全帽佩戴和人类头部检测的数据集。该数据集包含7581张图像，其中9044个安全帽佩戴对象（正例）和111514个正常头部对象（未佩戴或负例）。正例对象来源于Google或Baidu，并通过LabelImg手动标注。部分负例对象来自SCUT-HEAD数据集，经过修复原数据集的错误后，以Pascal VOC格式直接加载。此外，数据集还提供了基于MXNet GluonCV的预训练模型。
数据集与模型下载
- 数据集下载：
- 模型下载：
数据集格式
数据集标注为Pascal VOC格式，包含以下目录结构：
---VOC2028
---Annotations
---ImageSets
---JPEGImages
数据集定义了两个对象类别：“hat”（正例对象）和“person”（负例对象）。
使用方法
依赖项
确保安装了MXNet、GluonCV和OpenCV。
测试预训练模型
- 第一种方式：
下载模型后，运行
python test_yolo.py，可调整的选项包括网络类型、阈值、是否使用GPU及图像短边输入大小。 - 第二种方式：
下载符号模型后，运行
python test_symbol.py进行推理。
训练模型
在train_yolo.py中设置数据集路径，例如：
train_dataset = VOCLike(root=D:VOCdevkit, splits=[(2028, trainval)]) val_dataset = VOCLike(root=D:VOCdevkit, splits=[(2028, test)])
然后根据需要设置训练选项，如批量大小、工作进程数和预热周期等。
注意事项
- 训练YOLO模型时，注意避免梯度爆炸问题，可通过增加预热周期或减小学习率来解决。
- 数据集加载可能占用大量CPU资源，增加工作进程数可提高训练速度。
- 在Windows系统上训练时，程序可能会阻塞，需检查系统资源分配。
