Tensorflow lite--安全帽与反光背心的目标检测

【模型训练】YOLOv7反光衣检测 【YOLOv7&yolov5&yolov3】反光衣检测 阅读详情

参考了博客,是一个口罩的识别。
在用标注工具标注自己的数据集后,转换数据集格式,voc的XML格式转换csv格式,csv再转成tensorflow所需要的标签和图片合体的record格式。
XML-CSV 网盘 vln2
CSV-record 源码中就给了,在参考博客中也给出了。
在准备好自己的数据集后,就可以开始配置tensorflow环境了,这个比较麻烦,我是在conda虚拟环境中配置的tensorflow-gpu,版本是1.15,

# your_name为自命名虚拟环境名
conda create -n your_name python=X.X(如2.7,3.6等) 

激活你的虚拟环境,执行后就会在终端前有环境名的标志

source activate your_name

然后就可以在环境中 pip 安装所需要的包和依赖

退出虚拟环境

source deactivate

显示所创建的虚拟环境

conda env list

每次用的时候激活就行,防止依赖冲突

下载TensorFlow Models:,根据要求配置好环境后,再执行命令验证一下就行了
环境配置问题,网上基本都可以搜到答案

git clone https://github.com/tensorflow/models.git

然后开始修改config配置文件,我用的是 ssd_mobilenet_v2_coco.config,根据参考博客修改文

基于YOLO的安全帽/反光衣/工作服自动识别数据集 安全帽/反光衣/工作服自动识别检测算法可以通过opencv+yolo网络对现场画面中人员穿戴着装进行实时分析检测,判断人员是否穿着反光衣/安全帽。在应用场景中,安全帽/反光衣/工作服检测应用十分重要,通过对人员的规范着装进行实时监测与预警,可以降低安全隐患,提高安全性。 安全帽/反光衣/工作服自动识别检测算法通过对监控视频的图像进行实时检测,可实时检测指定区域内的工作人员是否按照要求穿戴安全帽、反光衣/工作服,当发现视频画面内出现人员违规时,将立即触发告警并抓拍、弹窗提示等,提醒管理人员及时处理,真正做到施工工地、工厂的安全信息化管理,做到事前预防、事中常态检测、事后规范管理。 立即下载

相关推荐

YOLOv5反光衣检测+训练好的权重+数据集

1、YOLOv5反光衣检测,包含训练好的反光衣识别权重和数据集,标签格式为txt和xml两种,分别保存在两个文件夹中 2、数据集和检测结果参考:https://blog.youkuaiyun.com/zhiqingAI/article/details/124230743 3、采用pytrch框架,python代码

智慧安防项目-刀棒识别检测数据集1200张含voc、yolo、json三种格式标签

【实际项目应用】: 社区安防、学校安防、危险器具检测等 【数据集说明】: 刀具棍棒检测数据集,一共1200张图片,标签有两类,分别为[刀具、棍棒],即['dao','bang'],多种背景,数据分布均匀,标签包含voc(xml)、yolo(txt)两种格式,多种目标检测算法可直接使用。纯手工标注,标注精准,算法拟合较好,数据质量可靠。 【备注】若需要json格式标签,或数据集使用问题,请私信留言。 【强调说明】 1、csdn上资源保证是完整最新,会不定期更新优化; 2、通过第三方代下载,而不是直接自己账号在csdn官方下载,博主不对下载的资源作任何保证,且不提供任何形式的技术支持和答疑!!!

YOLOv5反光衣检测训练模型+代码+数据集

1、YOLOv5反光衣检测和模型训练 ,附有各种训练曲线图,可使用tensorboard打开训练日志 3、包括数据集,标签格式为VOC和YOLO两种 4、检测结果和数据集参考:https://blog.youkuaiyun.com/weixin_51154380/article/details/127378996?spm=1001.2014.3001.5502

反光衣检测数据集1+1000IMG+已标注.zip

反光衣目标检测数据集1000张,已标注的数据集,目标检测项目,实际工程项目,可直接进行训练,yolo系列

安全帽人员反光背心检测数据集.zip

一、基础信息 数据集名称:安全帽人员反光背心检测数据集 图片数量: - 训练集:232张图片 - 验证集:22张图片 - 测试集:11张图片 - 总计:265张图片 分类类别: - 安全帽(helm):用于头部保护的安全装备,检测是否佩戴。 - 人员(person):识别人员存在及位置。 - 反光背心(vest):用于提高可见性的安全背心,检测是否穿戴。 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。 二、适用场景 工地安全监控系统开发: 数据集支持目标检测任务,用于构建AI模型自动识别建筑工地或工业场景中人员是否佩戴安全帽和反光背心,提升工作场所安全合规性。 工业安全AI应用集成: 可嵌入CCTV或实时监控系统,实现违规行为自动报警,辅助安全管理人员快速响应。 安全培训与教育: 作为培训资源,帮助企业和机构演示安全装备检测原理,用于员工安全教育课程。 智慧城市与公共安全: 适用于交通、物流等场景的人员安全装备检测,增强高风险环境的管理效率。 三、数据集优势 类别聚焦与实用性: 专注于安全关键类别(安全帽、人员、反光背心),数据针对性强,直接支持安全相关的目标检测需求。 标注精准与一致性: 标注数据经过校验,边界框定位准确,确保模型训练的高质量和可靠性。 格式兼容易用: YOLO格式可直接加载至主流深度学习框架(如YOLO系列),便于快速部署和模型迭代。 实际场景适配: 数据来源于真实环境,覆盖多样光照和角度,提升模型在工业或监控场景中的泛化能力。

安全帽、反光背心标注数据

耗费好久自己整理和重新标注的安全帽和反光背心数据,共四千多张,可直接训练使用。

1083张反光衣的数据集,数据集文件包含jpg图片和xml文件,数据集主要四类标注:带头盔的人、没带头盔的人、穿反光衣的人、未穿反光衣的人,主要标注反光衣

1083张反光衣的数据集,数据集文件包含jpg图片和xml文件,数据集主要四类标注:带头盔的人、没带头盔的人、穿反光衣的人、未穿反光衣的人,主要标注反光衣,识别效果能达到百分之98以上

YOLO 数据集:工地安全、反光背心目标图像检测【包含划分好的数据集、类别class文件、数据可视化脚本】

YOLO 数据集:工地安全、反光背心目标图像检测【包含划分好的数据集、类别class文件、数据可视化脚本】 数据保存按照YOLOV5文件夹保存,可直接用作yolo检测。 类别个数(2):穿戴反光背心、没穿等【具体参考classes文件】 数据分为分为训练集和验证集、测试集: 训练集:2700左右张图片和对应的标签txt文件组成 验证集:770左右张图片和对应的标签txt文件组成 测试集:390左右张图片和对应的标签txt文件组成 为了方便查看数据,提供了可视化py文件,随机传入一张图片即可绘制边界框,并且保存在当前目录。脚本无需更改,可以直接运行可视化图像!! yolov5的改进实战:https://blog.youkuaiyun.com/qq_44886601/category_12605353.html

安全头盔与反光背心检测数据集.zip

一、数据集基础信息 数据集名称:安全头盔与反光背心检测数据集 图片数量: - 训练集:1,599张图片 - 验证集:78张图片 - 测试集:38张图片 总计:1,715张实际场景图片 分类类别: - helmet(安全头盔):用于头部保护的个人防护装备,常见于建筑、工业等场景。 - kamizelka(反光背心):提高可见性的安全背心,用于高风险环境的人员标识。 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务。 数据格式:来源于真实场景的图片数据,细节清晰。 二、数据集适用场景 工地安全监控系统开发: 支持构建AI模型,自动检测工人是否佩戴安全头盔和反光背心,用于建筑工地或工业现场的实时安全合规检查。 智能安防应用集成: 适用于CCTV监控系统,识别人员安全装备穿戴情况,提升工厂、仓库等环境的安全管理效率。 安全培训与教育工具: 作为培训资源,帮助开发教育应用,辅助新员工学习正确佩戴安全装备的规范。 工业自动化与风险管理: 用于物流、制造业等领域的自动化巡检系统,减少人为事故风险。 三、数据集优势 精准标注与场景覆盖: - 每个边界框精确定位安全头盔和反光背心位置,标注质量高。 - 包含多样化的实际环境样本,如室内外场景,提升模型泛化能力。 任务适配性强: - YOLO格式兼容主流深度学习框架(如YOLOv5/v8),可直接用于目标检测模型训练。 - 支持快速部署到安防监控或工业自动化系统中。 实际应用价值突出: - 专注于工作场所安全防护装备检测,帮助预防事故,提升合规性。 - 数据来源于真实场景,确保模型在实际应用中稳定可靠。

真实工地监控图像数据包:头盔/手套/反光背心/工人四类YOLO检测样本

这个数据包包含1043张真实工地监控场景下的JPEG图片,覆盖730张训练图、209张验证图和104张测试图,全部标注为YOLO格式,精准框出gloves(手套)、helmet(头盔)、vest(反光背心)和worker(工人)四类目标。图像采集自实际施工环境,涵盖不同光照条件、多角度视角及复杂背景(如钢筋架、脚手架、扬尘、阴影等),适合直接用于训练安全装备穿戴合规性识别模型。支持主流目标检测框架(如YOLOv5/v8/v10、Ultralytics等)开箱即用,无需额外格式转换。可用于工地AI巡检系统开发、智能安监平台集成、高风险作业区域实时预警,以及安全规范可视化培训素材生成。标注质量经过人工复核,边界框贴合目标边缘,类别定义清晰无歧义,兼顾检测精度与泛化能力。

ZEMAX学习第7天-手机镜头光学系统设计全过程案例

接下来对系统微调,依次缩小CRA和畸变,首先对CRA进行依次递减(39°、38°、37°、36°、35°),目前CRA角度40度,每次下降一度进行优化,利用MAXX加OPLT一起控制,控制小于35°。可以看出在标注的三个地方镜头曲率变化,导致PY=1的光线走向奇特,因此需要对矢高进行调整,按照标注的地方依次调整(从右到左)至传函变好,越靠近右边对其余视场影响越小。3.圆锥系数值较大,透镜形状怪异;一、第1,3镜子偏厚,第4镜子偏薄,45镜子间隔边缘偏小,第5片镜子中心厚度与边缘厚度相差较大,需要控制;

liningliwei的博客 1085

群晖NAS硬盘挂了别慌!用Ubuntu 18外接USB保姆级数据抢救指南

本文提供群晖NAS硬盘故障时的数据抢救指南,详细介绍了使用Ubuntu 18外接USB硬盘盒的完整流程。从构建救援环境、硬盘识别到数据迁移策略,涵盖关键步骤和实用技巧,帮助用户零成本恢复重要数据。特别适合非RAID配置的单盘故障场景。

9o8p7i6u5y的博客 1147

告别命令行恐惧!用TBtools的MCScanX插件,5分钟搞定拟南芥和水稻的基因组共线性分析

本文介绍如何利用TBtools的MCScanX插件快速完成拟南芥和水稻的基因组共线性分析,无需命令行操作,5分钟即可生成专业可视化结果。通过图形化界面简化传统MCScanX的复杂流程,特别适合非生物信息背景的研究者,显著提升基因组数据分析效率。

dianzhuique8587的博客 377

JS自动化生成大疆WPML航线文件实战(附完整代码与云台控制解析)

本文详细介绍了如何利用JavaScript自动化生成大疆WPML航线文件,以解决手动规划航线效率低、易出错的问题。通过解析WPML文件结构,特别是云台控制等核心参数,并封装可复用的JS模板函数,开发者能够快速批量生成复杂航线,如倾斜摄影五向飞行,实现航测与巡检任务的标准化与高效执行。

weixin_29007243的博客 299

海德汉机床采集数据

海德汉数控系统我一般在高端机床上见得比较多。有好多五轴加工精度比较高的机床都用的是海德汉的系统。市面上常见的有530和640等型号。海德汉的采集还是有点难度的,需要对SDK有深度的了解。

若云流风的专栏 1530

自然语言处理6 -- 情感分析

1 概述 情感分析是自然语言处理中常见的场景,比如淘宝商品评价,饿了么外卖评价等,对于指导产品更新迭代具有关键性作用。通过情感分析,可以挖掘产品在各个维度的优劣,从而明确如何改进产品。比如对外卖评价,可以分析菜品口味、送达时间、送餐态度、菜品丰富度等多个维度的用户情感指数,从而从各个维度上改进外卖服务。 情感分析可以采用基于情感词典的传统方法,也可以采用基于深度学习的方法,下面详细讲解 ...

谢杨易的博客 5万+

【智能车Code review】——小S与中S道路判断

基本思想: 找到中线的左拐点和右拐点,并且计算出两点之间的空间距离。通过限制空间距离,分为中S和小S。 注意这种情况:当20行以下的中线斜率比较陡,此时可以通过人为限制设定,将第0行的中线设置为拐点。 if (flag_centre_right_point == 0 && flag_centre_left_point == 1 && parameterB >= 0.5 && centre_left_point[0] >= 33) { .

hanhan的博客 6105

Python3实现基于ARIMA模型来预测茅台股票价格趋势

ARIMA(Autoregressive Integrated Moving Average)模型是一种广泛使用的时间序列分析方法,它可以用于对未来的数据进行预测。ARIMA模型由自回归模型(AR模型)、差分整合模型(I模型)和移动平均模型(MA模型)组成,因此也被称为ARIMA(p,d,q)模型。其中,p表示自回归阶数,d表示差分阶数,q表示移动平均阶数。具体来说,ARIMA模型可以通过以下步骤进行建模:数据预处理:对时间序列进行平稳性检验,如果不满足平稳性,则进行差分操作。

m0_64336780的博客 2万+

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

上一篇: linux安装opencv4.3一直make出错
下一篇: PaddleDetection中推理源码修改,增加批量测试和指定目标保存
u..m
博客等级 码龄8年 245粉丝 12原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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
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