Hansung-Cho/yolov8-ppe-detection

🦺 YOLOv8 PPE Detection – End-to-End Safety Vision Model

Author: Hansung Cho Model: YOLOv8n fine-tuned for PPE (Personal Protective Equipment) detection on construction-like scenes.

이 모델은 건설 현장 등의 이미지/영상에서 안전모(Hardhat), 마스크, 안전조끼(Safety Vest), 사람(Person) 등 PPE 착용 여부를 탐지하기 위해 학습된 YOLOv8 기반 객체 탐지 모델입니다.

• —Custom PPE dataset 기반 fine-tuning
• —Web / FastAPI / Webcam까지 연동된 End-to-End 프로젝트의 핵심 모델
• —Hugging Face Hub에서 바로 다운로드 및 사용 가능

🧠 Model Description

• —Base model: YOLOv8n (Ultralytics)
• —Task: Object Detection (Bounding Box)
• —Domain: Construction site & industrial safety PPE detection
• —Classes (예시):
• —Person
• —Hardhat
• —No-Hardhat
• —Safety Vest
• —No-Safety Vest
• —Mask
• —No-Mask
• —+ 기타 PPE 관련 클래스 (총 약 10개)

본 모델은 사람 + PPE 착용 여부를 동시에 탐지하여 Web UI / Webcam / FastAPI 서버에서 실시간 경고 시스템 구축에 활용될 수 있습니다.

📊 Training & Evaluation

Validation 성능 (YOLOv8n Fine-tuning, Validation Set 기준)

📁 Training Data

• —Public PPE / construction-related datasets (Kaggle 등)
• —RGB 이미지
• —Bounding box + class label
• —Hardhat / No-Hardhat / Mask / No-Mask / Safety Vest / No-Safety Vest / Person 등

데이터셋 자체는 포함하지 않으며, 라이선스는 데이터 제공처를 따릅니다.

⚙️ How to Use

Ultralytics YOLO + Hugging Face Hub

from huggingface_hub import hf_hub_download
from ultralytics import YOLO

ckpt_path = hf_hub_download(
    repo_id="Hansung-Cho/yolov8-ppe-detection",
    filename="best.pt"
)

model = YOLO(ckpt_path)
results = model("your_image.jpg")
results[0].plot()

Command Line (CLI)

yolo task=detect mode=predict \
    model="https://huggingface.co/Hansung-Cho/yolov8-ppe-detection/resolve/main/best.pt" \
    source="your_image_or_video.mp4" \
    conf=0.25

🎯 Intended Uses & Use Cases

Intended

• —건설 현장 CCTV / Webcam 모니터링
• —PPE 착용 여부 자동 점검
• —안전 교육 PoC / 데모
• —FastAPI + Web UI 실시간 경고 시스템

Not Intended

• —법적 제재/징계의 유일한 근거
• —의료/생명 안전의 단독 판단 기준
• —완전히 다른 도메인(일상사진/스포츠 등)에서 사용

⚠️ Limitations & Ethical Considerations

• —도메인 편향: 실내·야간·특수복장 환경에서 성능 저하 가능
• —Occlusion: 가려진 경우 오탐/미탐 가능
• —Low Resolution: 멀리 있는 인물 탐지 어려움
• —Ethical Use:
• —보조적 검사 도구로만 사용해야 함
• —인권·개인정보 보호를 반드시 고려해야 함

🧪 Evaluation & Reproducibility

• —Framework: Ultralytics YOLOv8 / PyTorch
• —Hardware: Colab GPU / 단일 GPU
• —Notebook: training/YOLO_PPE.ipynb

Visualization Assets

• —Training curves (results.png)
• —Confusion matrix (confusion_matrix.png)
• —PR Curve (BoxPR_curve.png)
• —F1 Curve (BoxF1_curve.png)
• —Prediction example (example.png)

🧩 Integration Example (FastAPI + Web)

Backend

• —FastAPI server (backend/app.py)
• —/predict → 이미지 업로드 후 YOLO 추론
• —bounding box가 포함된 결과를 base64로 반환

Frontend

• —HTML / JavaScript (index.html, webcam.html)
• —이미지 업로드 / 실시간 Webcam 스트림
• —NO-Hardhat, NO-Mask 등 위험 요소 감지

Local

• —local/webcam_ppe.py → 로컬 웹캠 실시간 감지

전체 시스템 구현은 GitHub 레포지토리에서 확인할 수 있습니다.

📚 Citation

Cho, Hansung. "YOLOv8 PPE Detection – End-to-End AI System for Safety Monitoring."
Hugging Face Model Hub, 2025.

📬 Contact & References

• —GitHub Project Repository: https://github.com/Hansung-Cho/YOLO_PPE
• —GitHub Profile: https://github.com/Hansung-Cho
• —Model Page: https://huggingface.co/Hansung-Cho/yolov8-ppe-detection
• —Ultralytics YOLOv8 Source: https://github.com/ultralytics/ultralytics

Feel free to open an issue or reach out for questions, collaboration, or improvements.