【保姆级打包】工地安全帽识别检测数据集:1400+ 张图片,YOLO 标签直接训练

原创2026-11-02 15:21:022,151 阅读

【保姆级打包】工地安全帽识别检测数据集:1400+ 张图片,YOLO 标签直接训练

这个仓库是一份工地安全防护装备识别检测数据集,包含 1400 多张真实工地场景图片,全部已打好 YOLO 格式的 txt 标签,并且训练集、验证集、测试集都已划分好。图片与标签一一对应,拿到就能直接加载训练,不用再花时间标注和切分。

数据集全景

  • 图片数量:1400+ 张 jpg(train 999 张、valid 286 张、test 142 张)
  • 标签格式:YOLO txt,与同名图片存放在对应 labels/ 目录下,一一对应
  • 目标类别:7 类,涵盖 Helmet(安全帽)、Non-Helmet(未戴)、Vest(反光背心)、Gloves、Shoes、Person、bare-arms,类别定义在 data.yaml 里
  • 开箱即用:图片、标签、data.yaml 都齐了,训练前不需要任何预处理 📦

目录结构速览

仓库根目录很简洁,只有 3 个文件,全部数据在压缩包里:

  • LICENSE — MIT 许可证
  • README.md — 项目说明与使用步骤
  • workers-safety-equipment.zip — 完整数据集压缩包,解压后得到:
    • data.yaml — 数据集入口文件,指向三个划分目录的图片路径,并声明 7 个类别
    • train/ — 训练集
      • train/images/ — 999 张训练图片
      • train/labels/ — 对应的 YOLO 标签
    • valid/ — 验证集(286 张),结构同上
    • test/ — 测试集(142 张),结构同上

三个划分的差异一目了然:

目录 图片数 用途
train/ 999 模型训练
valid/ 286 训练过程中验证,观察收敛与过拟合
test/ 142 训练结束后做最终评估

从下载到跑通训练,三步完成

  1. 克隆仓库:在终端执行 git clone https://gitcode.com/open-source-toolkit/10c53,得到 README 和压缩包。
  2. 解压数据:在仓库目录解压 workers-safety-equipment.zip,得到 train/、valid/、test/ 三个目录和 data.yaml。
  3. 加载训练:在 YOLO 系目标检测框架(如 YOLOv5、Ultralytics YOLO)中把 data 参数指向 data.yaml,即可直接开始训练,标签无需额外转换。

使用边界与版权

  • 数据集仅供学习和研究使用,请勿用于商业用途 ⚠️
  • 图片与标签均为公开数据,涉及版权问题请联系作者
  • 仓库本身以 MIT 许可证发布(见 LICENSE)

反馈与共建

使用中如果发现标签缺失、格式异常或其他问题,欢迎直接提 Issue 说明具体文件和现象;如果你补充了新场景的图片或改进了数据划分方案,也欢迎提交 PR,能帮到同样想用它训练的人。

登录后查看全文
工地安全帽识别检测数据集