简介面向工地安全帽与反光衣目标检测的 YOLO 系列算法数据集适配 yolov5/7/8/9/10/11 等主流版本适用于施工安全 AI 识别研究及项目落地。压缩包共 2000 个文件约 30.04MB内含 111 张 JPG 图像、944 个 YOLO 格式 txt 标注、944 个 VOC 格式 xml 标注以及 1 个 data.yaml 配置文件。YOLO 格式采用 x_center y_center 的归一化坐标表达坐标值均在 0-1 之间可直接被 YOLO 系模型加载VOC 格式的 xml 则便于配合其他框架或工具使用两种标签按目录分开存放互不干扰。data.yaml 已预设类别并完成训练/验证集划分下载后无需额外整理即可直接训练和测试。当前已有 300 人浏览学习对于需要一套高质量标注、低成本起步的工地安全帽反光衣数据集开发者可以显著提高建模效率。1. 安全帽反光衣数据集944张图到底值不值得放进YOLO训练管线我做工地安全监控的时候最难的其实是两个颜色相近的目标红色安全帽碰上红砖墙荧光反光衣碰上黄色警示桩模型稍一偷懒就误报。这份yolo算法-工地安全帽反光衣数据集一共944张图像每张都带标签目标覆盖人、面部、头盔、反光背心四类。数据量不算大但标注已经做完省掉的是一到两周的人工标注和清洗时间。适合手里缺工地侧真实图像、想直接拿YOLO系列跑一轮训练验证效果的工程师和学生。下文按数据格式检查、VOC转YOLO、训练参数、踩坑记录、部署验证这个顺序把这套资源从打开到跑通讲透。2. 数据集与标注格式先看清VOC和YOLO的差异再动手很多同学拿到zip第一件事就是解压、把路径塞进yolov8开始训练结果训练脚本报错说找不到标签。这不是数据坏了是格式不对。当前目标检测框架里VOC和YOLO两种标注格式长期并存而ultralytics版本的yolov8、yolov5默认只认YOLO的txt格式。花五六分钟看清这份数据集到底用的是哪种标注比直接改代码更省时间。2.1 目录结构与标注字段解压后通常会看到两套内容一套是原始图像一套是每个图像对应的标注文件。VOC格式下一组图像和它的标注是这样组织的文件存放内容说明images/xxx.jpg原始图像文件名与标注文件一一对应annotations/xxx.xmlVOC标注object里写类别名和bndbox坐标labels/xxx.txtYOLO标注每行一个目标class cx cy w hVOC的xml里每个目标写在object节点中name是类别名bndbox里是xmin、ymin、xmax、ymax四个绝对像素坐标。这份数据集标题写的“人-面对-头盔-反光背心”落到标注里一般是person、face、helmet、reflective_vest这四个名字。face出现的原因通常是标注了人脸区域用来判断工人是否面向镜头或低头这比只检测安全帽多了一个行为维度。YOLO的txt格式则是每行一个目标第一列是类别编号后面四列是归一化后的中心点x、中心点y、宽度w、高度h所有值都在0到1之间。xml里的坐标是像素值如果图像分辨率是1920x1080xmin是960那么归一化后cx大约是0.5左右。这个换算关系看起来简单却是后面转换脚本里最容易出错的地方。2.2 为什么建议先转成YOLO格式原因并不玄就是训练框架默认读txt。yolov8训练时会去images同级目录下的labels里找每个图片对应的txt找不到就报“No labels found”或者把这张图当背景跳过。VOC的xml虽然信息更完整但训练框架不会主动去解析。另一个原因是尺度统一。归一化坐标不依赖图像原始分辨率同一批数据里如果有1080p的枪机截图也有720p的球机截图转成YOLO格式后可以直接混训不用担心坐标比例错乱。我一般会先保留xml原始文件转换生成的labels单独放一个目录这样后续如果发现某个类别标错还能改回xml再重新生成不至于连原始标注都丢。2.3 data.yaml 的写法与路径约定ultralytics训练时需要一个yaml文件把数据路径和类别顺序写清楚。一个典型配置如下# dataset/data.yaml path: ./dataset train: images/train val: images/val nc: 4 names: 0: person 1: face 2: helmet 3: reflective_vestpath是数据集根目录train和val是相对path的图片目录路径。注意这里不要写成绝对路径否则换机器就要改一遍。names的顺序就是txt第一列编号的含义0对应的person1对应的face2对应的helmet3对应的reflective_vest。如果xml里的类别写成reflective_clothing或者vest必须先统一改成yaml里的拼写否则转换脚本会把未知类名全部跳过。train和val建议在建目录时直接按8:2随机分配同时保证images和labels的train、val子目录完全对应。有些新手把图片全放一个目录只在yaml里写train和val同一路径这样验证集和训练集重合mAP会虚高到没有参考价值部署时才发现模型其实没学好。3. 把VOC标签转成YOLO格式转换脚本与四个边界坑标签转换是整个流程里最机械的一步也是最容易出错的一步。出错的原因往往是单个xml看起来没问题但脚本一跑完整个labels目录里要么缺文件要么类别编号全错。这一章给出一个能直接跑的转换脚本再把四个高频边界坑单列出来说明。3.1 转换脚本实现我习惯用python的xml.etree.ElementTree写转换不引入额外依赖处理几百个xml文件完全是秒级完成import os import glob import xml.etree.ElementTree as ET XML_DIR ./annotations LABEL_DIR ./labels CLASS_MAP {person: 0, face: 1, helmet: 2, reflective_vest: 3} os.makedirs(LABEL_DIR, exist_okTrue) for xml_path in glob.glob(os.path.join(XML_DIR, *.xml)): tree ET.parse(xml_path) root tree.getroot() size root.find(size) img_w float(size.find(width).text) img_h float(size.find(height).text) lines [] for obj in root.findall(object): name obj.find(name).text if name not in CLASS_MAP: continue box obj.find(bndbox) xmin float(box.find(xmin).text) ymin float(box.find(ymin).text) xmax float(box.find(xmax).text) ymax float(box.find(ymax).text) # 越界修正避免归一化后出现负数或大于1 xmin max(0.0, min(xmin, img_w)) ymin max(0.0, min(ymin, img_h)) xmax max(0.0, min(xmax, img_w)) ymax max(0.0, min(ymax, img_h)) if xmax - xmin 0 or ymax - ymin 0: continue cx ((xmin xmax) / 2) / img_w cy ((ymin ymax) / 2) / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h lines.append(f{CLASS_MAP[name]} {cx:.6f} {cy:.6f} {w:.6f} {h:.6f}) if not lines: # 没有有效目标的xml不生成txt图片单独挪走或参与无目标训练 continue txt_name os.path.splitext(os.path.basename(xml_path))[0] .txt with open(os.path.join(LABEL_DIR, txt_name), w) as f: f.write(\n.join(lines))代码逻辑分三段第一段读xml里的原始分辨率第二段遍历每个object框并做坐标归一化第三段写txt文件。CLASS_MAP就是类别映射表key必须和xml里的name完全一致value必须和data.yaml里names的顺序一致。如果xml里写的是其他拼写比如reflective_clothing这行代码会直接跳过它导致该目标丢失。越界修正是很多人容易漏掉的一步。有些标注工具的框会超出图像边界几像素比如xmax标成1921而图像宽度只有1920。除以img_w后w会变成大于1的值训练时轻则警告重则loss震荡。提前把坐标clip到图像范围内后面就不用回头排查这类玄学问题。3.2 四个边界坑第一个坑是类别编号全变成0。现象是训练能跑但mAP一直上不去打开txt一看第一列全是0。原因大多是CLASS_MAP写错或者xml里的name和你预期不一致脚本把没有匹配的框全部跳过了。解决方法是转换前先跑一条命令看xml里到底有哪些name不要凭标题猜。grep -h name annotations/*.xml | sort | uniq -c第二个坑是空xml和空txt的处理。数据集里偶尔会混入没有任何object的xml脚本直接跳过不生成txt。这样会导致图片和标签数量对不上训练时ultralytics会提示缺少标签文件。我一般会把这类图片单独移到ignore目录不放进训练集避免背景图过多把模型带偏。第三个坑是大小写和空格。xml的name可能是Helmet或者helmet也可能带个尾随空格。python字典匹配是精确匹配一个空格就能让整个类消失。转换后抽样检查几行txt确认类别编号分布合理再开始训练。第四个坑是路径分隔符。Windows下用os.path.join生成路径没问题但如果在Linux服务器上训练yml里路径用的是正斜杠。建议转换脚本只在本地跑训练和转换在同一套操作系统上进行避免复制labels目录时因为路径分隔符差异导致读取失败。3.3 转完怎么自检转换完成后不要直接开训先做三件事。第一数一下labels目录里的txt数量和images目录里的jpg数量是否一致。第二抽查5个txt用文本编辑器打开确认每行的第一列只在0到3之间。第三画一张标注预览图把txt读出来画框叠在原图上肉眼看框的位置是否正确。这三步走完数据层面的问题基本就排干净了。4. YOLOv8训练安全帽反光衣模型参数怎么设、指标怎么判数据转换好之后训练参数就成了决定模型能不能收敛的关键。这里不追求堆一堆花哨参数而是把训练命令、样本不均衡处理和mAP判读三件事讲清楚让你知道什么参数该动、什么参数不能乱动。4.1 训练命令与参数表用ultralytics默认的训练入口一条命令就能拉起训练yolo detect train \ modelyolov8s.pt \ datadataset/data.yaml \ epochs120 \ imgsz640 \ batch32 \ device0 \ patience20model用yolov8s这个尺寸起步对944张图像来说不会欠拟合也不会慢到无法接受。如果显存只有8Gbatch降到16如果用的是3090或4090batch可以直接上64。imgsz先设640跑完看mAP50-95如果小目标或者远处的安全帽检测效果差再尝试imgsz960或1280。需要注意这里imgsz是输入分辨率不是原图分辨率训练时会自动resize不需要预处理图片。参数对训练的影响我一般怎么设model网络深度和宽度影响精度和速度先用s跑通再换mimgsz决定性影响小目标检测效果640起步精度不够再升960batch影响梯度稳定性和显存能放下就尽量大配合amppatience早停轮数防止过拟合20到30之间amp混合精度训练默认开启异常再关掉排查patience的意思是验证集指标连续20轮不提升就自动停。944张图的数据量不大训练到80到120轮基本收敛不需要硬跑满300轮。amp混合精度在多数情况下能稳定加速如果loss出现明显震荡可以关掉amp验证是不是精度问题。4.2 样本不均衡怎么处理工地场景里安全帽样本通常最多反光衣和face样本相对少。先统计一下每类目标数量再决定策略# 统计labels目录下每个类别的目标数量 for i in 0 1 2 3; do echo class $i: awk -F -v cls$i $1cls {count} END {print count} labels/*.txt done统计结果如果某类数量是另一类的三分之一以下直接训练会导致少数类AP值偏低。常见做法是先不删样本把mosaic增强概率降到0.5因为小目标多的数据集里mosaic过度会裁剪掉太多上下文反光衣这种小目标学不完整。另一种做法是把比较难的类别单独挑出来做离线裁剪放大把裁剪后的局部图也放进训练集相当于给模型多喂几遍困难样本。face这个类别在安全帽数据集里要特别留意因为工人戴了帽子之后人脸区域往往很小完整目标框加上人脸框叠在一起训练时容易被当成背景。如果face的AP明显低于其他类可以先把它并到person里只保留人、安全帽、反光衣三个类整体指标会更稳。4.3 先看懂mAP再谈部署训练结束后ultralytics会打印每个类别的mAP50、mAP50-95、precision和recall。mAP50表示IoU阈值0.5下的平均精度mAP50-95是多个IoU阈值的平均后者更严格也更接近真实部署效果。对安全帽检测这个场景我的判断标准是mAP50达到0.9以上算可用mAP50-95达到0.7以上算良好。如果mAP50很高但mAP50-95很低说明框位置不够准模型能找到目标但框偏了这个问题在实时视频流里特别明显因为每一帧的框都在抖动。per-class AP比总mAP更重要。总mAP是四个类别的平均一个类特别差也能被另外三个类拉平。我习惯先把每个类别的AP打印出来排个序最差的那个类就是部署时最需要留意的。5. 训练排查与避坑五条实测记录这部分记录的是我实际踩过、也在技术群里见过无数次的坑每一条都按现象、原因、解决三步写清楚。5.1 标签不动先查数据第一条训练时日志里出现大量“No labels found”警告loss曲线正常下滑但验证集mAP一直是0。原因是labels目录路径写错了或者data.yaml里的train路径指到了images目录ultralytics会自动到images同级目录找labels找不到就当作空标签处理。解决方法是检查yaml的path、train、val三个字段确保labels目录存在且文件名和图片一一对应。第二条转换脚本跑完发现所有txt第一列都是0训练出来的模型把所有目标都识别成person。原因是CLASS_MAP里class name写错了或者xml里的name全部被读成了person。解决方法是转换前用grep统计xml里实际存在的name再对照CLASS_MAP逐项核对。5.2 模型乱认目标问题多半在样本第三条模型把红色塑料凳识别成安全帽或者把黄色反光锥识别成反光衣。原因是训练数据里带了大量“红色圆形物体”或“黄色高亮物体”作为正样本模型学到的是颜色特征而不是结构特征。解决方法是检查数据集里有没有这类难负样本把它们移出训练集或者在验证集里专门放几张凳子、反光锥的图片确保模型不会误触发。数据量只有944张的情况下样本纯度比样本数量更关键。第四条mAP50能到0.9但mAP50-95只有0.5框总是偏大半格。原因是小目标多、原图分辨率高imgsz640时下采样太狠位置回归精度不够。解决方法是把imgsz提升到960或1280重新训练或者换yolov8m模型。注意imgsz增大后batch要相应调小否则显存会爆。5.3 精度上不去回头调参数第五条模型白天效果不错傍晚光线一暗就疯狂漏检。原因是训练集里大部分是白天强光场景低照度和逆光样本占比太少增强策略里的亮度扰动幅度又不够。解决方法是先不要急着加数据打开ultralytics自带的hsv增强参数把hsv_h、hsv_s、hsv_v适当调大让模型在训练时看到更多亮度变化。如果效果还不够再从数据里挑几十张傍晚和逆光图单独微调一轮。6. 部署验证T4卡做TensorRT推理时怎么估算支持路数训练完模型只是第一步真正投入工地视频流之前先确认算力够不够。T4是目前很常见的边缘推理卡问题通常集中在YOLO用640分辨率跑单卡能支持多少路1080p 25fps的视频流。这一章给一个能落地的估算方法和验证习惯。6.1 先测单路延迟再算并发先把模型导出成TensorRT engine再用trtexec测单路延迟yolo export modelruns/detect/train/weights/best.pt formatengine device0 halfTrue导出后写个小脚本对同一张图连续推理50次取平均单帧耗时。经验区间如下表实际数字以你自己的卡和模型为准模型T4上单路640推理耗时25fps硬实时下的并发估算yolov8n约10到20ms2到4路yolov8s约20到40ms1到2路yolov8m约30到50ms1路左右并发估算的逻辑很简单硬实时25fps要求每帧40ms内处理完单路延迟多少一路就占多少预算。但这只是单帧串行推理的理论值。多路视频流接入时通常会把多路的当前帧拼成一个batch一起推理batch推理的耗时比单张推理增加得少所以实际并发路数往往比上面的估算更高。我在真实项目里见过用yolov8s在T4上跑4路1080p 25fps靠的就是batch合并和TensorRT的显存复用。验证时有一个很容易被忽视的动作导出engine之后一定要再跑一遍最难的那张图。所谓最难可以是逆光、低照度或者目标非常小。TensorRT的FP16推理在精度上会有轻微损失如果训练时mAP50是0.9导出后掉到0.85以下就要考虑改用FP32或者检查预处理resize是否一致。我一般跑完训练不是先看loss曲线而是先找一张逆光图、一张低照度图、一张远处小目标图把模型结果打在图上看一遍再导出engine测单路延迟最后才接RTSP视频流。从那以后每次换数据集都强制走完这一遍。这套流程看起来传统但能拦下绝大多数部署现场的突发状况希望帮到你。本文还有配套的精品资源点击获取