广东电网高空作业安全带佩戴检测数据集

感兴趣的同学可以CSDN查看个人简介，获取相关数据集噢。

【数据背景】在广东电网作业人员的日常工作中，经常需要爬到供电塔架高处进行检查。为了保障作业人员的安全，广东电网规定：攀爬离地人员必须佩戴安全带，并在现场配有监护人员，以防止出现意外情况。感兴趣的同学可以CSDN查看个人简介，获取相关数据集。

在该场景提供的训练数据集中，包含的具体标签及解释见下：

badge：监护袖章（只识别红色袖章）

offground：离地状态的人

ground：着地状态的人

safebelt：佩戴安全带

通过上述信息，要求目标检测算法能够在电网现场作业过程中，模型最终以“人”为单位自动检测出以下内容：

3.1 识别出所有在场人员，并具体区分出监护人员（佩戴红色袖章）；

3.2 识别出现场佩戴安全带的人员；

3.3 识别出处于离地状态的人员；

【算法结果】需要在测评集上进行预测，提交评估结果。要求以单个json文件提交。具体文件要求如下：

[{
	"image_id": int,
	"category_id": int,
	"bbox": [xmin,ymin,xmax,ymax],
	"score": float
}]

image_id为测试数据中image在csv当中的序列号，从0开始，为0、1、2、3……的int类型数字，其最大值小于599，超出则会报错；因为存在同一个框多个识别结果的情况，提交结果的条数不设限，可以超过600条。

category_id为需要检测的结果类别，同样为int，category_id每次只提交1个类别，若一个框满足多个识别结果，需要分block来写。需要提交的测试结果为以下几类，且图像的category_id应与下方的注释保持相同：

guarder（监护人员）

safebeltperson （佩戴安全带人员）

offgroundperson（离地状态人员）

注意：所有出现的人物(包括电网作业人员、监护人员、旁观的电网工作人员、路人等)均需进行相关标签的识别。

例：有一位身着工作服的电网工作人员出现在现场，非当场作业人员也非监护人员，仍需识别其是否佩戴安全带。如果有一位路人出现，没有匹配的标签描述，则不提交结果。如果有路人处于离地状态，可以将其识别成离地状态人员。

【数据文件】数据集的文件列表共包含6个文件，3_images.tar.gz、3train_rname.csv、3_test_imagesa.tar.gz、3_testa_user.csv、3_testa_user.csv、3_testB.zip、3_testb_imageid.csv。

3_images.tar.gz为训练图像集，大小约10.5GB；

3train_rname.csv为训练集标注信息；

3_test_imagesa.tar.gz为A榜测试集，大小约2.4GB；

3_testa_user.csv为A榜测试集信息；

3_testB.zip为B榜加密数据集，大小约8.2GB；

3_testb_imageid.csv为B榜加密数据信息。