手机检测数据集 | 2800张YOLO目标检测数据集
适用于驾驶安全监控、课堂手机管控与目标检测研究
一、数据集概述
本数据集面向 计算机视觉 目标检测任务，专为手机目标检测模型训练、验证与测试设计，共包含约2800张高质量标注图像。该数据集聚焦于手机这一单 类 别目标的精准检测，可广泛应用于驾驶安全监控、课堂手机管控、保密区域防拍照检测、手持物行为识别等场景，适用于YOLOv5/v7/v8/v10/v11/v12等主流检测框架。
随着智能手机的普及和应用场景的不断扩展，利用计算机视觉技术实现手机的自动检测已成为提升安全管理效率的重要手段。本数据集针对手机检测场景中目标尺度小、手持姿态多样、背景复杂等问题进行专项构建，可为驾驶安全监控系统与行为分析设备提供高质量数据支撑。
数据集下载
通过网盘分享的文件：手机检测-1类数据集
链接: https://pan.baidu.com/s/1WKW0p83yx3VeGtoJg8HeYA?pwd=1p17
提取码: 1p17
二、数据集基本信息
| 项目 | 内容 |
|---|---|
| 数据集名称 | 手机检测数据集 |
| 数据规模 | 约2800张高质量标注图像 |
| 任务类型 | 目标检测（Object Detection） |
| 检测目标 | 手机 |
| 类别数量（nc） | 1类 |
| 标注方式 | Bounding Box目标框标注 |
| 数据格式 | YOLO标准格式 |
| 数据来源 | 真实场景多视角采集 |
| 数据划分 | Train / Valid / Test |
| 适配模型 | YOLOv5、YOLOv7、YOLOv8、YOLOv10、YOLOv11、YOLOv12、Faster R-CNN等 |
三、数据集类别说明
本数据集为单类别目标检测数据集，聚焦于手机目标的精准检测与定位，类别明确、标注精准，适配单一目标检测的视觉任务需求。
类别配置
nc: 1
names:
- mobile_phone
类别详情
| 类别ID | 类别名称 | 英文名称 | 类别说明 |
|---|---|---|---|
| 0 | 手机 | mobile_phone | 各类智能手机设备，包含不同品牌、尺寸、颜色及手持姿态 |
单类别设计使模型能够专注于手机核心目标的特征学习，提高检测精度与定位准确性，特别适用于驾驶安全监控、课堂手机管控与保密区域防拍照检测等专项应用场景。
四、数据集结构说明
数据集采用标准YOLO目录结构组织，已按训练集、验证集、测试集进行科学划分，结构清晰，便于直接接入主流检测框架。
手机检测-1类/
├── train
│ ├── images
│ └── labels
├── valid
│ ├── images
│ └── labels
├── test
│ ├── images
│ └── labels
└── data.yaml
各数据集作用如下：
- train/images & labels：训练集图像与标签，用于模型参数学习与特征提取；
- valid/images & labels：验证集图像与标签，用于超参数调优、早停监控及防止过拟合；
- test/images & labels：测试集图像与标签，用于最终模型性能评估与泛化能力测试。
标注文件为同名.txt格式，每行格式为类别索引 x_center y_center width height，坐标均为归一化值，配套 data .yaml已配置好类别名称与数量，可直接适配YOLO系列等目标检测框架。
五、数据集核心优势
1. 聚焦手机单类别检测
本数据集以手机检测为核心任务，所有图像聚焦于真实场景下的手机目标采集，覆盖不同手持姿态、背景、距离与光照条件。主题高度聚焦于单类别目标检测，类别语义清晰、检测目标明确，更利于训练出针对手机的高精度检测模型。
覆盖场景包括：
- 驾驶舱内手持/使用手机场景
- 课堂与考场手机使用场景
- 办公与日常生活场景
- 保密区域周边场景
- 不同距离与视角
能够有效提升模型的实际部署效果。
2. 丰富的手持姿态与场景覆盖
数据覆盖多种手机使用姿态与环境条件：
- 手持姿态：手持通话、手持浏览、放置桌面、握于掌心等
- 手机状态：亮屏、熄屏、横屏、竖屏等
- 背景环境：车内环境、教室环境、办公室环境、户外环境
- 距离尺度：近距离特写、中距离手持、远距离小目标
- 遮挡情况：手部部分遮挡、物品遮挡等
对小目标/手持物检测具有一定挑战性，有效提升模型泛化能力。
3. 丰富的拍摄条件
数据覆盖：
- 光照条件：白天自然光、室内灯光、夜间低照度、逆光等
- 拍摄角度：正面、侧面、俯视、倾斜等不同视角
- 手机品牌与外观：不同尺寸、颜色、屏幕形态
贴近真实应用环境，有效提升模型在实际部署中的鲁棒性。
4. 高质量人工标注
所有图像均经过高质量人工精准标注：
- 边界框规整、无漏标/错标
- 以手机整体为目标进行框选标注
- 边界框紧密贴合手机轮廓
- 满足高精度检测模型训练需求
有效保证 模型训练 质量。
5. 即用型数据组织
标准目录结构+单类别简化配置，无需复杂预处理，下载即可直接用于模型训练，降低使用门槛。配套data.yaml已配置好类别名称与数量，一键启动训练。
6. 专为小目标检测设计
手机属于典型的中小型目标，尤其在远距离或监控视角下可能呈现小目标特征。数据集对小目标/手持物检测具有一定挑战性，适合小目标检测 算法 研究与模型优化。
六、适用场景
驾驶场景手机使用提醒
部署于车载监控系统，自动检测驾驶员或乘员使用手机的行为，触发安全提醒。
课堂与考场手机管控
在教室、考场等场景中自动检测手机使用行为，辅助监考与课堂秩序管理。
保密区域防拍照检测
在涉密区域、商业敏感区域自动检测手机设备，防范违规拍照与信息泄露。
手持物行为识别
在行为分析场景中识别人员是否持握手机，辅助理解人员行为状态。
手机防盗与物品管理
在零售门店、展览场馆等场景中检测手机设备，辅助防盗监控与遗失物品管理。
教学科研
用于小目标检测算法入门、单类别 目标检测模型 验证与调优等科研场景。
七、适用研究方向
本数据集可广泛应用于以下研究领域：
- 单类别目标检测研究
- 小目标检测研究
- 手持物检测与行为识别研究
- 智能监控与安全管理研究
- 车载视觉感知研究
- YOLO系列模型优化研究
- 轻量化检测模型与边缘部署研究
- 域适应与跨场景泛化研究
- 低光照与复杂环境目标检测研究
八、总结
手机检测数据集包含约2800张高质量标注图像，采用标准YOLO格式构建，专注于手机目标的检测与定位任务。数据集以单类别手机为核心检测目标，覆盖驾驶舱、课堂、保密区域等多种真实场景，具有主题聚焦、场景多样、标注精准等特点，可广泛应用于驾驶安全监控、课堂手机管控、保密区域防拍照、手持物行为识别等领域，是开展手机检测算法研发与智能安全管理系统建设的优质数据资源。
