爱加猫

核心特点

1. 精细化标注

   • 检测标注：标注反光衣整体边界框（vest）及关键组件（反光条、肩带），支持 YOLO 与 COCO 格式，边界框精度达像素级，覆盖完整/破损/部分遮挡等状态。
   • 属性标签：扩展标注穿戴规范性（正确穿戴、未系扣、反光条脱落）、颜色（黄、橙、红）及场景风险等级（高危作业区、普通区域）。

2. 场景多样性

   • 数据来源包括真实工地监控（60%）、模拟场景渲染（30%）及公开数据增强（10%），涵盖不同分辨率（640P 至 4K）、拍摄角度（俯视、平视）及天气条件（晴天、雨雾、夜间）。
   • 包含密集人群、低对比度背景（如灰色工装）等挑战性样本，提升模型在复杂环境下的鲁棒性。

3. 技术适配性

   • 已验证适配 YOLOv8、DETR 及 Mask R-CNN 等主流模型，基线测试中 YOLOv8 模型达到 mAP@0.5=95.2%，推理速度达 210 FPS（GPU），满足实时监控需求。
   • 提供数据增强工具包（随机遮挡、运动模糊模拟）与预处理脚本（光照归一化、尺寸标准化），降低算法部署门槛。

应用价值

• 工业安全：实时检测作业人员反光衣穿戴合规性，联动声光报警或管理平台生成违规记录。
• 交通管理：识别道路施工、应急救援人员的反光衣状态，优化夜间作业安全监控。
• 算法研究：支持小目标检测（反光条）、动态场景泛化等前沿方向，推动安全防护技术的精准化升级。

数据集已成功应用于智慧工地、港口巡检等项目，结合人体姿态估计技术实现行为合规分析，有效降低安全事故率。完整数据样例与基准模型可通过合作授权获取。