玩手机检测

1、yolov3玩手机检测，包含训练好的玩手机检测权重，以及PR曲线，loss曲线等等，在玩手机检测数据集中训练得到的权重，有pyqt界面，目标类别为play_phone共1个类别，并附3000多张玩手机识别数据集，标签格式为txt和...

1、YOLO玩手机检测数据集，7500多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO玩手机行为的识别，...

2、包括玩手机检测数据集， 用于YOLO算法的玩手机行为检测，标签格式为txt和xml两种可选； 3、YOLOv3玩手机行为检测训练模型：...

项目包含：手机检测（VOC标注格式的xml文件，已经做了训练集和测试集划分），数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。 图像分辨率为300-400的RGB图片，数据集为人群玩手机检测 【数据集介绍】手机图像数据，3类别：face、drink、phone 【数据总大小】54 MB 【数据集详情】data目录下分为两个目录，train为训练数据、test为测试数据，每个目录下各有两个子文件夹。images存放数据图片，labels目录存放标注文件。训练集共1090张图片和1090个xml解释文件。训练集共272张图片和272个xml解释文件 【json文件】3类别的json字典文件 为了方便查看数据，提供了可视化py文件，随机传入一张图片即可绘制边界框，并且保存在当前目录。脚本无需更改，可以直接运行！

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：8201 标注数量(xml文件个数)：8201 标注数量(txt文件个数)：8201 标注类别数：1 标注类别名称:["phone"] 每个类别标注的框数： phone 框数 = 8390 总框数：8390 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

1、YOLOv5玩手机检测，在真实场景的高质量图片数据训练结过，包含了yolov5s-phone.pt和yololv5n-phone.pt两个模型；map为90%多； 2、YOLO玩手机检测数据集二，10000多张使用lableimg标注软件，标注好的真实场景的高质量图片数据，图片格式为jpg，标签有两种，分别为VOC格式和yolo格式，分别保存在两个文件夹中，可以直接用于YOLO玩手机行为的识别，数据场景丰富，类别名为phone 3、数量：近1万张 4、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 https://blog.csdn.net/zhiqingAI/article/details/131352918

正常走路，走路玩手机，打电话，图片数据集约15000张图片，3个类别，全部经过人工判别，，基于此数据集分类准确度90%+，可信度100%。可以直接进行产业级别的应用部署，二次开发等，可用于目标检测，跟踪，图片分类，行为检测等，基于网络收集，开源数据集，AIGC 等手段二次加工，博主纯人工完成，具体介绍见博客：https://season.blog.csdn.net/article/details/129052627

数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：5447 标注数量(xml文件个数)：5447 标注类别数：1 标注类别名称:["phone"] 每个类别标注的框数： phone count = 7179 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：由于抽帧原因部分可能存在类似图片，此数据集大多数为近距离拍摄，手机图片大部分为2012年以后的智能手机