1.引言
针对目标检测任务----检测安全帽,各类帽子等,构建了完整的数据集,手工标准,yolov5,或者其他类型的模型,拿来即用!
2.当前开源数据集问题
1.现如今,很多大学生的课设,毕设为目标检测任务
2.然而合理的数据集太少
3.多尺度的数据集,以及复杂场景的数据集用来训练和检测,无疑给目标检测任务带来苦难!
4.课设/毕设工作量太少
5.模型检测效果不理想
3.解决思路
1.增加课设/毕设工作量
2.利用目标检测领域常见的提升指标方法
3.标记对应的数据集(还不够)
4.标记特征相似的目标(例如:你的检测是安全帽,然而你检测了普通帽子,都被当成鸭舌帽了) 此时通过合理的数据标记,可以很好的提升模型对特征的学习
多类别帽子数据集的构建
手工标注,有偿
类别: 自行车安全帽
摩托车安全帽
电动车安全帽
鸭舌帽
针织,编织帽 即 **hat (严谨一下)**
卫衣帽 羽绒服帽