SCUT HEAD人头检测数据集包含4405张标记了111251个人头的图像。数据集分两部分，第一部分2000张图像源自大学教室的监控视频，第二部分2405张图像爬取自网络，数据集图像中的人头均有边界框和注释。 数据标注经用xmin、ymin、xmax和ymax坐标标记了每个可视头部，并确保注释覆盖整个头部，包括部分，但没有额外的背景。A部分和B部分分为培训和测试部分。数据集遵循Pascal VOC标准

【实际项目应用】： 智慧工地、安全帽佩戴情况统计等 【数据集说明】： 安全帽佩戴检测数据集，一共6584张图片，标签包含voc（xml）与yolo（txt）两种格式，类别为[“helmet“，“head”]，数据标注精确，数据量充足，多种目标检测算法可直接使用。智慧工地实际项目所用，经过筛选，多次训练验证，算法拟合不错，数据质量可靠。 更多数据集介绍请看https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502

人头检测数据集.该数据集分为二个部分,JPEGImages和Annotations.JPEGImages文件夹中有4500+张各种场景的人头图像,共12w+个人头标注框. 并对每张图片使用labelimg做了人工标注,标注对应的xml文件放在了Annotations文件夹中. 本数据集图片清晰,场景广泛,精心挑选,人工标注.适用于任意场景,可作为人头检测的模板数据集. 应用特定场景时,只需加入部分特定场景数据,即可满足对特定场景人员聚集检测和计数. 免去了收集,挑选,标注人头图片的时间,可直接进行工程化应用.

在自建的数据集上训练yolov3准备（四）：将密集人头检测数据集brainwash标注转换成yolo标注，并用yolo_mark验证（附python脚本）-附件资源