嘉义县网站建设_网站建设公司_展示型网站_seo优化

摘要：本数据集是一个专门针对公共区域发传单行为的目标检测数据集，包含 3,443 张真实场景图像和 6,886 个精确标注框。 数据集采用 YOLO 格式标注，涵盖 person（人员）和 leaflet（传单）两个核心类别， 旨在支持公共空间中人员与传单交互行为的智能识别与分析。

作者：Bob (张家梁)
数据大小：6G
原创声明：本项目为原创作品

数据集简介

一个包含 3,443 张真实场景图像的 YOLO 格式目标检测数据集，用于识别公共区域中的人员与传单交互行为。

数据集概述

本数据集是一个专门针对公共区域发传单行为的目标检测数据集，包含 3,443 张真实场景图像和 6,886 个精确标注框。 数据集采用 YOLO 格式标注，涵盖 person（人员）和 leaflet（传单）两个核心类别， 旨在支持公共空间中人员与传单交互行为的智能识别与分析。

数据来源于商业街、广场、步行区等多样化公共通行区域的现场采集，覆盖不同光照条件、背景复杂度和遮挡程度， 确保模型在真实部署环境中的鲁棒性与泛化能力。数据集按照 70% / 20% / 10% 的比例划分为训练集（2,410 张）、 验证集（688 张）和测试集（345 张），并经过双阶段质量控制流程，保证标注的准确性与一致性。

该数据集适用于基于 YOLOv13 及其他 YOLO 系列模型的目标检测任务，可为城市管理、公共安全监控、 行为分析等领域的计算机视觉应用提供高质量训练数据支持。推荐使用 mAP@0.5 和 mAP@0.5:0.95 等标准指标进行模型评估， 并分别报告各类别的检测性能。

数据集来源

本数据集来源于真实公共空间的现场采集图像，覆盖人员与传单的 多样化出现形态。场景包含公共通行区域（如机场区域等） 的人群交互情形，具有不同光照、背景复杂度与遮挡程度，以增强模型 对实际部署环境的泛化能力。

类别定义

标注规范

标注采用 YOLO 格式：每个目标一行，字段为 class x_center y_center width height， 坐标均为相对归一化（0~1）。

图1 标注规范图

数据规模与划分

• 总图像数：3443；总标注框数：6886

图2 数据集在训练、验证和测试集上的分布

数据集按照约 70:20:10 的比例划分为训练集、验证集和测试集：

表1 数据集划分及用途说明

质量控制

标注采用双阶段质量控制流程：首先进行规范化标注与自检， 确保目标框贴合实例外接矩形且类别一致；随后进行抽样复核， 针对漏标、错标与框位置偏差进行纠正。对争议样本进行二次确认， 以提高跨标注者一致性与总体标注可靠性。

数据格式与使用

数据集采用标准 YOLO 格式组织，通过 data.yaml 配置文件即可快速集成到训练流程中。

目录结构

数据集采用标准 YOLO 格式组织，图像和标注文件分别存放在 images/ 和 labels/ 目录下，并按训练集、验证集、测试集划分。

使用方式

在训练脚本中指定 data.yaml 即可加载数据：

示例展示

数据集包含多种典型场景的标注样本：

性能评测

基于 YOLOv11 模型在本数据集上进行训练和评测，使用mAP@0.5与mAP@0.5:0.95等标准指标对模型检测效果进行评估。评测结果如下：

训练过程综合指标曲线图

图3 训练与验证指标随Epoch变化趋势图

精确率-召回率（PR）曲线图

图4 目标检测PR曲线（Precision-Recall）

F1分数-置信度阈值曲线图

图5 不同置信度阈值下的F1曲线

归一化混淆矩阵图（分类误判分析）

图6 归一化混淆矩阵（person / leaflet）

应用案例

• 案例1：基于多尺度深度卷积增强的YOLO11公共区域发传单违规行为检测系统

图7 应用案例：基于多尺度深度卷积增强的YOLO11公共区域发传单违规行为检测系统

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。 如需引用，请在论文或报告中注明数据集名称与版本号。