本数据集大约5000张，本资源是其中的一部分 安全帽是作业场所作业时头部防护所用的头部防护用品，它对使用者的头部在受坠落物或小型飞溅物体等其他因素引起的伤害起到防护作用。近年来，因不佩戴安全帽、不规范佩戴安全帽等原因导致的安全生产事故屡禁不止，事故发生背后的影响是巨大的，不仅为家人带来巨大的伤痛，也为企业的利益带来巨大的损失。而如何使员工规范佩戴安全帽、保障员工和企业双方利益，成为了一直以来各方坚持不懈想要实现的目标。因此，研究佩戴安全帽的监测算法，具有广泛的应用价值。

内容概要：9198张苹果目标检测数据集，采用的yolo格式（txt），类别名是0，非常方便训练，数据属本人苦心整理而得，放到机子里就能跑。只有苹果一类数据，不过数据包含多种环境下的苹果，训练出来的模型效果较好。

吸烟检测数据集-监控视角，VOC格式，XML标注文件

用于实现火焰和烟雾检测的数据集 3000张 标签为json格式 直接下载可用

CIC-IDS-2018入侵检测数据集第三部分

由 Dalal和Triggs于2005年创建，是使用最广泛的静态行人检测数据库之一。数据集中图像尺寸为64×128 像素分为训练数据集和测试数据集。训练数据集中有正样本图像有614个，负样本图像1218 个；测试数据集中有正样本图像288个，负样本图像453个。

该数据集共包含2900张图像和标注文件，共分为四类，分别为'open_eye','closed_eye','closed_mouth','open_mouth'，当检测到closed_eye和open_mouth为不专注。

MATLAB用拟合出的代码绘图异常检测 将执行异常检测算法以检测数据集中的异常行为。 在提供的示例中，我们将检测服务器计算机中的异常行为。 我将首先通过一个简单的数据集演示异常检测算法（每个示例仅由两个功能来描述），以便我们可以直观地看到该算法的功能。 然后，我们将转到一个更现实的数据集（每个示例均由11个功能描述）。 但是，该算法也可以应用于您自己的数据集！ 这种异常检测算法是根据Andrew Cg在Coursera上的机器学习课程的第八部分的第一部分改编而来的。 运行项目 确保已安装MATLAB或Octave。 将项目克隆到本地计算机。 运行anomalydetection.m。 对于指导性实施，您可以运行实时脚本AnomalyDetection.mlx。 项目详情 将实施异常检测算法以检测服务器计算机中的异常行为。 但是，此数据集是任意的，该算法也可以应用于您的数据集！ 在我们的第一个示例中，这些功能测量每个服务器响应的吞吐量（mb / s）和等待时间（ms）。 提供了一个示例数据集，其中m = 307个有关服务器行为方式的示例。 因此，我们有一个未标记的数据集。 怀疑这些示例中

坑洼检测数据集，收集包含1000道路坑洼图片，可直接用于训练道路坑洼检测

哔哩哔哩有演示视频-目标检测 原创拍摄 FOD(Foreign Object Debris)泛指可能损伤航空器或系统的某种外来的物质，常称为跑道异物。FOD的种类相当多，如飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品、运行区的冰碴等等。 https://www.bilibili.com/video/BV1Qr4y1n7ML/?spm_id_from=333.999.0.0&vd_source=f038fae2eb026cbbe5b42dec789fea76