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)

Metric	Score
mAP@0.50	0.744
mAP@0.50:0.95	0.436
Precision	0.831
Recall	0.685

---

📁 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.