【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
【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
- 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。 - 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。 - 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