开源 | 安全帽佩戴检测数据集
最近图像领域比较火热的两个方向都与复工复产相关，一方面是口罩识别，另一方面，就是智能工地安全领域中的安全帽佩戴检测，很多同学或许没想到印象的大工地现在已经随着计算机视觉领域的发展如此智能化了。人民的生命安全永远是第一位的，特别是在建筑行业这样长期处于较高风险的工作环境当中，如何对工地环境中工人是否佩戴安全帽以及工地的危险区域内是否有人，这对于保持建筑行业安全持久发展是至关重要的。另外，除了今天提及的安全帽佩戴检测数据集外，还有在该数据集基础上的开源落地项目哟，业界领先的目标检测框架如YOLOv5s、YOLOv5m、YOLOv5l均已用于训练安全帽佩戴检测数据集，代码和权重均已开源，相关项目将和数据集一起分享给大家。话不多说，一起来看看数据情况~
01
—
数据简介
安全帽佩戴检测数据集来源于项目Smart Construction，它是一个非常棒的开源项目，利用YOLOv5进行目标检测的"落地化"应用。具体地，它使用了YOLOv5s、YOLOv5m、YOLOv5l来训练安全帽佩戴检测数据集（SHWD），代码和权重均已开源，具体地是使用 YOLOv5 来训练在智能工地安全领域中头盔目标检测的应用。
BAIDU DRIVE：
https://pan.baidu.com/s/1UbFkGm4EppdAU660Vu7SdQ
GOOGLE DRIVE：
https://drive.google.com/open?id=1qWm7rrwvjAWs1slymbrLaCf7Q-wnGLEX
这里还包括两者利用该数据进行研究提供的预训练模型分享哟。
BAIDU MODEL：
https://pan.baidu.com/s/1dWNU_q59sw1a3TVtV7VXEg#list/path=%2F
GOOGLE MODEL：
https://github.com/njvisionpower/Safety-Helmet-Wearing-Dataset#model
下面分别是不同预训练模型在数据集上的表现。
从事图像目标检测相关研究或对该项目非常感兴趣的同学可以进入项目官方链接https://github.com/PeterH0323/Smart_Construction，亲自动手实践一下，前提当然是拥有性能优异的CPU，项目当中也提到了用CPU加载数据集上花费大量时间，建议使用多核CPU，CPU核心数设置得更大一些，这将提高训练速度。众所周知，CV领域当然尽可能使用好的GPU来完成任务，我们按项目流程实际体验了一下，这里建议各位同学在实践中使用GTX 1080Ti以上配置的机器会有较好的体验。
更多阅读
特别推荐
点击下方阅读原文加入社区会员