开源一个安全帽佩戴检测数据集及预训练模型
公司一个同事介绍安全帽检查项目，看到github 资料比较少，就在网上收集一些相关的介绍 本文开源了一个安全帽佩戴检测数据集及预训练模型，该项目已上传至github， 点此链接 ，感觉有帮助的话请点star 。同时简要介绍下实践上如何完成一个端到端的目标检测任务。可以看下效果图： 同时该模型也可以做人头检测，效果如下： 一、背景介绍 最近几年深度学习的发展让很多计算机视觉任务落地成为可能，这些任务渗透到了各行各业，比如工业安全，包含的任务如安全帽佩戴检测、高空坠物检测、异常事故检测（行人跌倒不起等）等等，这里以安全帽检测为例，简单介绍下如何完成一个端到端的任务，包括： 1. 业务场景分析 2. 数据收集、预处理及标注 3.算法设计及训练 4.模型转换及部署 二、业务场景分析 怎样定义“安全帽佩戴检测”这个问题呢？正常来看是需要判断行人头部区域有没有安全帽，比如有些做法是先用目标检测模型如SSD、Yolo系列及改进系列（各种加速版及适用移动端的网络）检测行人区域，然后再设计一个小的分类网络判断区域内是否存在安全帽。这种做法的好处是比较简单： 一来，行人检测算是做的比较多的应用，数据集、算法都比较多； 二来，很多数据都是以监控视频的形式存在，标注的时候标注较粗粒度的区域即可，然后做分类。 不过这种做法的劣势也比较明显： 第一，这种做法并不是一个端到端的预测过程，显然要做到先检测出行人