2401_88441190的博客

构建基于YOLOv8智慧化工地管理系统，用于工地要素分割与检测。系统将涵盖10大要素（工人佩戴安全帽、不佩戴安全帽、预制构件、混凝土运输车、渣土车、搅拌车、挖掘机、压路车、推土车、装载车）深度学习

使用Unet模型对智慧工地数据集进行语义分割，并使用YOLOv8模型进行目标检测 含十个常见的建筑对象类别，分为三大类： 工人（戴/未戴安全帽两类） 机器（PC运输车、自卸卡车、混凝土搅拌车挖掘机

工程类 如何使用Yolov8训练使用及评估 工地粉尘数据集检测 3833 1类 'dust' 步骤和代码示例应该如何

如何使用深度学习模型进行分割或检测任务 智慧工地数据集（戴安全帽和未戴安全帽两类） 机器（PC运输车、自卸卡车、混凝土搅拌车、挖掘机、压路机、推土机和轮式装载机七类等

《码头/工地事故安全含33w例图像数据集，包括碰撞/坠落/火灾等等事故类型》添加图片注释，不超过 140 字（可选）其中可识别工作行为含有：焊接/高空作业/保温作业/叉车作业/重型设备作业可用做目标识别模型，语义分割模型，其中附带mask，多边形边界框其中可识别安全设备含：安全帽/安全带/焊接面罩 船舶/海工智能船厂、电气设备施工现场工人人工智能学习数据和工作环境安全数据的建立、风险评估人工智能基础数据建立。数据集由造船厂和建筑工地的进行采集，主要记录灾害安全环境336655例，格式为jpg；同

利用人工智能监控摄像头从2022年收集至今的高达226,000 张施工场地图片，数据格式为jpg。数据类型为工地发生率较高的5种事故，坠落、降落、狭窄、火灾、运输传导，以及危险作业和安全防护作用等。且该数据集均已进行标签处理，标签格式为json

【高空作业安全带检测】1884张 4类类别标签：包含四个类别，具体如下：aqd_cdgf 安全带穿戴规范aqd_gfsy 安全带规范使用aqd_wpd 未佩戴安全带aqd_wzqpd 未正确佩戴安全带一共1884张，按8:1:1比例划分为train：1507张 val：188张 test：189张yolo系列可以直接训练

添加图片注释，不超过 140 字（可选）使用 YOLOv8 训练工业零件检测数据集的详细步骤。这个数据集包含6种工业零件（轴承、螺栓、法兰、齿轮、螺母、弹簧），已经转换为 YOLO 格式，并且训练效果非常好，120轮后 mAP 达到 0.9。工业零件数据集 零部件数据集 bearing - 轴承 bolt - 螺栓 flange - 法兰 gear - 齿轮 nut - 螺母 spring - 弹簧yolo格式数据集，训练效果很好，120轮map0.9添加图片注释，不超过 140 字（可选）

遥感影像各类油罐检测，共分为外浮顶油罐，封闭顶油罐，球形压力罐，水塔，沉淀罐五种类型，超过26000张影像，采用voc格式标注，512×215尺寸，2GB

智慧工业防护数据集，收集各种工业环境，高质量图像（超过8000张最低1080p）丰富的标注实例（超过7万个标注），标注类型包括人，头，脸，眼镜，医用口罩，面罩，耳朵，耳罩，手部，手套，脚，鞋，安全马甲，工具，安全帽，医用服装，安全服共17类别，基本涵盖所有工业场景下搜集的图像，共14GB数据量，voc和yolo格式都有

使用YOLOv8来训练一个包含1206张图像的施工安全数据集。这个数据集包含5个类别，已标注为YOLO格式，可以直接用于模型训练。数据集描述数据量：1206张图像类别：0: 头盔（helmet）1: 无头盔（no-helmet）2: 无背心（no-vest）3: 人（person）4: 背心（vest）数据划分：训练集：997张验证集：119张测试集：90张标注格式：YOLO格式应用场景：施工安全检测数据集组织假设你的数据集目录结构如下：深色版本constructio

​工地行为检测数据集共9580张，yolo格式，已划分为训练集，验证集。可以直接用于模型训练。 标注类别为：摔倒，未佩戴安全帽，佩戴安全帽，吸烟数量：摔倒480，佩戴➕不佩戴安全帽4300，吸烟4300使用YOLOv8来训练一个包含9580张图像的工地行为检测数据集。这个数据集包含4个类别，已标注为YOLO格式，可以直接用于模型训练。数据集描述数据量：9580张图像类别：0: 摔倒（Fall）1: 未佩戴安全帽（NoHelmet）2: 佩戴安全帽（WithHelmet）3: 吸烟（

工程类 重型工程车辆数据集，推土机数据集卡车数据集挖掘机，平地机数据集（转载机数据集起重机滚轮压路机七类。数据集有6338张图片，数据标记为txt格式，标签与图相对应，用于YOLO系列模型训练

​可以直接用于智慧工地物料盘点，标签类别为rebar，共有30942个标注。工地类——钢筋计数数据集数据集共有250张图片数据，可直接用于智慧工地物料盘点；保证标注质量； 已标注yolo格式、VOC格式，可直接训练； 标签类别及标签个数：rebar：30942；使用YOLOv8来训练一个包含250张图像的钢筋计数数据集。这个数据集已标注为YOLO格式和VOC格式，可以直接用于智慧工地物料盘点，标签类别为rebar，共有30942个标注。数据集描述数据量：250张图像标注格式：YOL

​反光衣安全帽检测数据集，用于铁路工人目标检测铁路施工场景，数据集3220+，vest,helmet,worker共三个类别图片与标签txt一一对应，直接用yolov5-10训练如何使用YOLOv5或YOLOv7来训练一个包含3220多张图像的反光衣安全帽检测数据集，并附上详细的训练代码和步骤。这个数据集用于铁路工人目标检测，包含三个类别：反光衣（vest）、安全帽（helmet）和工人（worker）。数据集描述数据量：3220多张图像类别：0: 反光衣（vest）1: 安