A minimal PyTorch implementation of YOLOv3, with support for training, inference and evaluation. $ cd PyTorch-YOLOv3/ $ sudo pip3 install -r requirements.txt Download $ cd weights/ $ bash download_weights.sh Download COCO数据集 $ cd data/ $ bash get_coco_dataset.sh Test Evaluates the model on COCO test.

1、yolov5x模型 2、安全帽佩戴识别 3、视频识别（代码） 4、图片识别（代码）

YOLOv5安全帽检测训练好的模型和代码，几千张数据训练了150轮得到的权重文件，mAP和召回率recall达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv5的环境就可以直接运行 数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

jpg图像 & xml标记文件

针对已有安全帽佩戴检测算法对部分遮挡、尺寸不一和小目标存在检测难度大、准确率低的问题，提出了基于改进的Faster RCNN和多部件结合的安全帽佩戴检测方法。在原始Faster RCNN上运用多尺度训练和增加锚点数量增强网络检测不同尺寸目标的鲁棒性，并引入防止正负样本不均衡的在线困难样本挖掘策略，然后对检测出的佩戴安全帽工人和安全帽等采用多部件结合方法剔除误检目标。实验表明，相比于原始Faster RCNN，检测准确率提高了7%，对环境的适应性更强。

商用Python工地安全帽识别安全帽检测预警yolo可以检测图片，视频流，有界面python商用源码视频讲解 项目下载：https://download.csdn.net/download/babyai996/27701322

该课题为基于matlab的安全帽，头盔检测系统。考虑到头盔是穿戴于头部 ，因此先进行人脸定位，定位到人脸以后，去寻找安全帽，定位，检测。

unity安全帽模型

众所周知，在一些施工工地，必须明确佩戴安全帽。可以对生命安全起到保障作用。该课题为常见的安全帽的识别，主要分为红色，蓝色，黄色三类安全帽。而安全帽的主要是红色，蓝色，黄色，而我们知道，任何颜色都是有红绿蓝三原色组成的，即RGB。通过R G B不同比例的组合，可以定位出红色，蓝色，黄色。但是现实中的图片，往往伴随着周边建筑物，植物等也有类似颜色，这时候通过以上颜色的方式仅仅还是初步的定位，这时候还需要结合形态学的知识，将面积大于或者小于一定阈值的干扰去除掉，留下精确的交通标志的轮廓，再原图基础上给显示出来，接下来分割出交通标志图片，进行神经网络的训练，从而识别出具体属于什么信号标志。整个设计配一个GUI可视化界面。

机械毕业设计——安全帽注塑模具设计及模腔三维造型CADCAM