电网变电站高空作业规范检测-安全绳、安全带佩戴检测图像数据集（voc,yolo两类标签）

最新推荐文章于 2024-09-21 04:42:52 发布
最新推荐文章于 2024-09-21 04:42:52 发布
阅读量3.3k 收藏 19
点赞数 6
文章标签： 目标检测 机器学习 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ncusz/article/details/125546613
版权
本文提供了四个不同的数据集下载链接，这些数据集可能用于训练和验证人工智能算法。作为人工智能标注工程师，你可以利用这些资源进行模型训练，涵盖领域包括但不限于机器学习、深度学习和自然语言处理。通过分析和处理这些数据，可以推动信息技术领域的创新和发展。
摘要由CSDN通过智能技术生成
share_data
关注
工地人员安全带穿戴识别检测 yolov5
燧机科技的博客
03-04 754
工地人员作业安全带穿戴识别检测算法通过yolov5网络模型分析技术，工地人员安全带穿戴识别检测算法可以自动识别现场人员高空作业未佩戴安全带行为，通过AI技术推动现场安全作业智能化。YOLO算法- YOLO算法是一种基于回归的算法，它不是选择图像中有趣的部分，而是预测整个图像中的类和包围框运行一次算法。要理解YOLO算法，我们首先需要了解实际预测的是什么。最终，我们的目标是预测一类对象和指定对象位置的边界框。YOLO不会在输入图像中搜索可能包含对象的感兴趣区域，而是将图像分割成单元格，通常是19×19网格。每
变电站数据集真实场景下的仪表图像
12-19
真实场景下的仪表图像，只能用与做目标检测，需要自己标注，3000张
基于Mask R-CNN的高空作业安全带检测
05-06
随着计算机视觉近几年的发展, 相关工作者越来越侧重人工智能算法在电力安全管控系统的实际应用. 本文针对电力检修工作人员安全带规范问题, 基于Mask R-CNN算法提出了一种新型高空作业安全带低挂高用违规检测算法, 实时高效率完成作业者安全带违规检测问题. 针对安全带挂环违规现象的复杂性和场景多变性等问题, 本文提出实用于安全带检测和人体关键点信息相结合检测的Mask-Keypoints R-CNN新型高空作业安全带违规挂法的检测方法, 该算法基于人体关键点定位检测模块进行裁剪人体关键部位有用安全带数据集, 结合安全带检测模块进行判断作业人员违规情况, 算法本身具有很强的实用性和高效性, 并取得了较高的精确率.
高空作业及安全带佩戴检测数据集VOC+YOLO格式2546张4类别.7z
05-20
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：2546 标注数量(xml文件个数)：2546 标注数量(txt文件个数)：2546 标注类别数：4 标注类别名称:["ground","jhxz","offground","safebelt"] 每个类别标注的框数： ground 框数 = 2223 jhxz 框数 = 673 offground 框数 = 2478 safebelt 框数 = 1725 总框数：7099 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：ground=人在地,jhxz=监护勋章红色,offground=人离地,safebelt=安全带 更多信息：https://blog.csdn.net/FL1768317420/article/details/136806261
yolo人脸表情数据集 yolo施工安全带数据集 yolo夜间车辆数据集 yolo吸烟数据集 yolo行人数据集
2401_83580557的博客
08-14 956
数据集，带标注，各行各业深度学习图像识别图片数据集，可代 训练，可提供最后训练数据和模型。可提供技术支持，训练模型基于yolov5,yolov8
yolov5数据集的制作、划分-以识别高空作业及安全带佩戴为例
qq_60199131的博客
12-07 1601
天池算法赛——广东电网智慧现场作业挑战赛 赛道三：识别高空作业及安全带佩戴这个数据集3_images.tar是图片，an_rname.csv是对应的标签信息，但yolo的数据集格式是而labels里面是每张图片对应的标签信息，我们要将csv文件转换成每一张图片名对应的txt文件。
高空作业及安全带佩戴检测数据集VOC+YOLO格式2546张4类别
FL1768317420的博客
03-18 855
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：ground=人在地,jhxz=监护勋章红色,offground=人离地,safebelt=安全带。标注类别名称:["ground","jhxz","offground","safebelt"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(txt文件个数)：2546。
电网人员安全带识别检测数据集 yolo数据集 共3700张 已增强
2401_83580557的博客
09-21 753
电网人员安全带识别检测数据集 yolo数据集 共3700张 已增强
电网变电站安全作业行为规范检测-绝缘手套佩戴检测图像数据集（VOC，YOLO两类标签，六类目标）
爱分享数据的一个人的博客
06-25 1625
下载地址（数据集分为四个包，每个都不相同）： 电网变电站安全作业行为规范检测-绝缘手套佩戴检测数据集1,（600张图像，VOC,YOLO两类标签，下载链接）电网变电站安全作业行为规范检测-绝缘手套佩戴检测数据集2,（600张图像，VOC,YOLO两类标签，下载链接，六类目标）电网变电站安全作业行为规范检测-绝缘手套佩戴检测数据集4,（700张图像，VOC,YOLO两类标签）电网变电站安全作业行为规范检测-绝缘手套佩戴检测数据集3,（700张图像，VOC,YOLO两类标签，下载链接）............
Safety Helmet Detection安全帽检测-数据集
03-23
通过使用bbox批注检测5k图像上的人员和安全帽，提高工作场所的安全性。该数据集包含以下3类的5000幅图像，这些图像带有PASCAL VOC格式的边界框注释：头盔;人; 头。
[数据集][目标检测]开车未系安全带目标检测数据集voc-190张
FL1623863129的博客
07-29 1021
重要说明：标注有5个类别，分别是车(car)，主驾驶系安全带(zhu_yes)，主驾驶未系安全带(zhu_no)，副驾驶系安全带(fu_yes)，副驾驶系安全带(fu_no)数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml)标注类别名称:["car","zhu_no","fu_no","fu_yes","zhu_yes"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。
变电站部件缺陷检测图像数据集
爱分享数据的一个人的博客
12-22 1695
变电站部件缺陷的一套708张图像数据集和相应的标签，每个图像包含一个缺陷。 每个标签包含缺陷的类别，图像中心的坐标x和y，以及缺陷区域的宽度和高度值。 标签： 0 - Cable out of spacer; 1 - Cable out of insulator; 2 - Insulator withour ring; 下载链接：https://download.csdn.net/download/ncusz/68747057 ...
开车未系安全带目标检测数据集voc-190张
07-28
数据集格式：Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：190 标注数量(xml文件个数)：190 标注类别数：5 标注类别名称:["car","zhu_no","fu_no","fu_yes","zhu_yes"] 每个类别标注的框数： car count = 269 zhu_no count = 181 fu_no count = 29 fu_yes count = 9 zhu_yes count = 12 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：标注有5个类别，分别是车(car)，主驾驶系安全带(zhu_yes)，主驾驶未系安全带(zhu_no)，副驾驶系安全带(fu_yes)，副驾驶系安全带(fu_no) 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注
深度学习的汽车驾驶员安全带检测.pdf
08-19
深度学习的汽车驾驶员安全带检测.pdf
检查司机是否佩戴安全带算法
06-09
检测司机是否佩戴安全带算法。在EasyPR（网上的一个车牌检测和识别代码）的基础上添加了安全带检测的功能。
人工智能+深度学习+模型训练数据集+安全带和挂钩+2/2
03-08
安全带和挂钩数据集，用于人工智能模型训练，含大约379张图像。注意：未标注。受网络制约，数据集分为两部分，这是第二部分。
YOLO安全帽佩戴目标检测数据集(含5000张图片)+对应voc、coco和yolo三种格式标签+划分脚本+训练教程.rar
10-30
1、YOLO安全帽佩戴目标检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO...
电力行业高空作业安全带检测数据集VOC+YOLO格式147张4类别.7z
03-22
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：147 标注数量(xml文件个数)：147 标注数量(txt文件个数)：147 ...
高速监控视角真实抓拍-安全带检测数据集1176张含voc和yolo两种格式标签(适用于yolo所有算法).zip
最新发布
09-27
高速监控视角真实抓拍-安全带检测数据集1176张含voc和yolo两种格式标签(适用于yolo所有算法).zip 【数据集介绍】 1、该数据集适用于司机安全带检测项目，当然也可以用于其他落地科研项目； 2、数据集含有图片1176张...
电网变电站安全作业行为规范检测-绝缘手套佩戴检测图像数据集(voc,yolo两类标签,
01-12
电网变电站是电力系统中重要的设施，为保障电力安全和人员生命安全，对其安全作业行为进行规范检测显得尤为重要。其中，绝缘手套的佩戴检测是关键的一环，为了提高检测效率和准确性，需要构建绝缘手套佩戴检测的图像数据集。 该数据集可以采用voc和yolo两类标签，voc标签能够标注每个绝缘手套佩戴检测的区域和类型，以xml格式保存。而yolo标签则适合用于目标检测，能够标注图像中所有绝缘手套的位置和类别信息，以txt格式保存。通过使用这两种标签，可以满足不同系统和需求对数据集的标注要求。 为构建该数据集，应对不同场景、不同光照、不同手套种类进行全面采集，并对图像进行标注。在采集过程中，要确保图像的真实性和多样性，以保证模型的鲁棒性和泛化能力。在标注过程中，要注明每个绝缘手套的位置和类型，并为后续的模型训练提供准确的标签信息。 通过构建绝缘手套佩戴检测的图像数据集，可以为电网变电站的安全作业行为规范检测提供强有力的支持。未来，将能够基于该数据集开发出高效、准确的绝缘手套佩戴检测模型，有效提升电网变电站安全管理水平，为保障电力系统运行安全和人员生命安全提供有力保障。
评论 23
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

share_data

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值