1、YOLOv3不同颜色的安全帽佩戴检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志， 包含YOLOv3和YOLOv3_tiny两种模型 2、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127651243?spm=1001.2014.3001.5502

1、YOLOv7安全帽佩戴检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、map达90%以上， 3、classes: person， hat； 4、并包含安全帽检测数据，标签格式为VOC和YOLO两种 5、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127171326?spm=1001.2014.3001.5502

1、YOLOv7不同颜色的安全帽佩戴检测训练权重 ，附有各种训练曲线图，可使用tensorboard打开训练日志 2、检测结果和数据集参考：https://blog.csdn.net/weixin_51154380/article/details/127651243?spm=1001.2014.3001.5502

智慧工地项目 1、基于YOLOV5安全帽检测系统及危险区域入侵检测告警系统_带GUI界面（包含python源码+项目说明）。 2、该项目是使用 YOLOv5 算法来实现在智能工地安全领域中头盔目标检测的应用。 运用yolov5网络进行工人安全帽检测以及危险区域入侵检测，将报警信息通过微信公众号推送给安全员或者项目负责人。 3、使用的pytorch深度学习框架，python语言编写。 源码中带有pyqt5写的GUI界面，界面按钮名称可以自定义。 资源中含有项目详细操作文档介绍，建议根据项目说明来一步步操作。 【备注】使用过程有问题，请留言或者私信博主！

【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

1、yolov5检测源码+安全帽佩戴检测模型+使用说明 2、附有训练pr曲线、损失值曲线、召回率曲线、精确度曲线、mAP等评估指标曲线 3、迭代200次，模型拟合较好。

安全帽样本集1111111111111111111

识别安全帽佩戴检测数据集，数据已打标

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。

电网施工安全帽检测图像数据集（4000多张图像，含标签）