数据集整合多种识别能力，支持安全帽、反光衣、抽烟、打电话、喝水、口罩等识别，部分关键词的识别精度有限，建议在这个基础上进一步优化调整。
2022-10-20 16:05:56
363B
1
基于yolov6的安全帽检测，模型已经训练好，可以直接使用，模型位置runs/train，检测例子位于runs/detect。并且包含数据集，可以直接进行训练，数据集位置hat_recog
2022-10-18 22:05:29
930.78MB
1
基于yolov5的安全帽检测，模型已经训练好，可以直接使用，模型位置runs/train，检测例子位于runs/detect。并且包含数据集，可以直接进行训练，数据集位置hat_recog
2022-10-18 16:04:53
945.87MB
1
安全帽数据集，目标检测，已经转换为yolo格式，可以直接使用，包含安全帽与未佩戴安全帽的人员标注信息
2022-10-17 22:05:35
837.77MB
1
《YOLOv5实现佩戴安全帽检测和识别(含佩戴安全帽数据集+训练代码)》，目前，基于YOLOv5s的目标检测的佩戴安全帽识别方法的平均精度平均值mAP_0.5=0.93，mAP_0.5:0.95=0.63https://blog.csdn.net/guyuealian/article/details/127250780
2022-10-17 17:07:39
149B
1
佩戴安全帽检测和识别Android App，Android佩戴安全帽的检测效果还是可以的，高精度版本YOLOv5s平均精度平均值mAP_0.5=0.93，mAP_0.5:0.95=0.63，而轻量化版本yolov5s05_320mAP_0.5=0.84左右
2022-10-16 18:05:38
50.51MB
1