stormbreaker20/mppe-dataset-yolo-v2

license: mit task_categories:

• —object-detection tags:
• —vision-artificial
• —deteccion-de-objetos
• —yolo
• —mppe
• —ppe size_categories:
• —1K<n<10K ---

MPPE Dataset YOLO v2

Dataset orientado a la detección automática de elementos de protección personal médico mediante modelos de visión artificial.

Incluye imágenes anotadas con bounding boxes en formato YOLO para tareas de detección de objetos.

Información general

• —Nombre: MPPE Dataset YOLO v2
• —Tarea: Detección de objetos
• —Formato de anotaciones: YOLO
• —Formato de imágenes: JPG
• —Total de imágenes: 2931
• —División entrenamiento: 2344 imágenes
• —División validación: 587 imágenes
• —Cantidad de clases: 14

Clases

Estructura del dataset

mppe-dataset-yolo-v2/

├── images/
│   ├── train/
│   └── val/
│
├── labels/
│   ├── train/
│   └── val/
│
├── data.yaml
└── classes.txt

Formato de anotaciones

Las etiquetas utilizan el formato estándar YOLO:

class_id x_center y_center width height

Todas las coordenadas se encuentran normalizadas entre 0 y 1 respecto al tamaño de la imagen.

Resolución de imágenes

Las imágenes conservan su resolución original.

El conjunto contiene imágenes con diferentes dimensiones. La resolución 640x640 aparece como una de las configuraciones más frecuentes, pero no se aplicó un redimensionamiento obligatorio durante la preparación del dataset.

Contenido de cada muestra

Cada elemento contiene información relacionada con:

• —Imagen
• —Nombre del archivo
• —Etiquetas YOLO
• —Identificadores de clase
• —Clases detectadas
• —Cantidad de objetos
• —Dimensiones de imagen

Contenido del dataset

Incluye ejemplos de:

• —Equipamiento de protección personal médico
• —Indumentaria quirúrgica
• —Elementos de seguridad sanitaria
• —Presencia y ausencia de elementos obligatorios de protección

Casos de uso

Puede utilizarse para investigación y desarrollo en:

• —Visión artificial
• —Detección de objetos
• —Sistemas automáticos de control de seguridad
• —Monitoreo de uso de equipamiento médico
• —Análisis visual asistido por inteligencia artificial

Limitaciones

El rendimiento de los modelos entrenados puede variar según:

• —Condiciones de iluminación
• —Ángulo de captura
• —Distancia de la cámara
• —Variaciones del equipamiento
• —Diferencias entre ambientes reales y las imágenes del dataset

Versión

MPPE Dataset YOLO v2

Repositorio:

stormbreaker20/mppe-dataset-yolo-v2