Update README.md

README.md

@@ -15,9 +15,10 @@
 - <span style="color:#6E4DF7;">安全合规的数据源</span>: 所有图像均为合成数据，从根本上规避了采集真实用户数据时涉及的隐私和肖像权问题，为算法开发提供了安全、可控、可扩展的数据基础。
 - <span style="color:#6E4DF7;">精确的程序化标注</span>: 所有标签（如边界框、行为类别、用户属性）均在数据生成时同步产生，保证了标注的零错误率和高度一致性，消除了人工标注的主观性和不确定性。
 
-## <span style="color:#6E4DF7;">1. 支持的任务与排行榜 (Supported Tasks and Leaderboards)</span>
-该数据集旨在推动智能座舱内计算机视觉技术的进步，尤其是在驾驶员与乘客的主动安全和智能交互领域。
-主要支持任务
+## <span style="color:#6E4DF7;">二. 支持的任务与排行榜 (Supported Tasks and Leaderboards)</span>
+该数据集旨在推动智能座舱内计算机视觉技术的进步，尤其是在驾驶员与乘客的主动安全和智能交互领域。<br>
+<br>
+**主要支持任务**
 - <span style="color:#6E4DF7;">驾驶员/乘客行为识别 (Behavior Recognition)</span>: 对座舱内人员的关键行为进行分类。此任务对于识别分心驾驶（如玩手机、抽烟）和危险行为至关重要。
   - 任务示例: 图像级多标签分类，识别图中出现的 using_phone, smoking, drinking, yawning 等行为。
 - <span style="color:#6E4DF7;">驾驶员状态监测 (Driver State Monitoring)</span>: 评估驾驶员的生理和精神状态，是预防疲劳驾驶事故的核心技术。
@@ -25,21 +26,23 @@
 - <span style="color:#6E4DF7;">目标检测 (Object Detection)</span>: 在图像中定位关键对象及其位置，为后续的行为分析和交互提供基础。
   - 任务示例: 检测图像中的 face (人脸), hand (手), phone (手机) 等物体的边界框。
 - <span style="color:#6E4DF7;">属性识别 (Attribute Recognition):</span> 识别用户的基本人口统计学特征，可用于个性化座舱设置。
-  - 任务示例: 分类用户的 age_group (年龄段) 和 gender (性别)。<br>
-排行榜 (Leaderboards)
-[此部分为未来计划]
-我们计划未来举办挑战赛，并在此设立排行榜，展示在标准测试集上表现最佳的模型。
+  - 任务示例: 分类用户的 age_group (年龄段) 和 gender (性别)。
+
+**排行榜 (Leaderboards)[此部分为未来计划]**<br>
 
+我们计划未来举办挑战赛，并在此设立排行榜，展示在标准测试集上表现最佳的模型。
 评估指标将可能包括：
-- 行为识别: mAP (mean Average Precision)
-- 目标检测: mAP@.50
-- 状态监测: F1-Score, Accuracy
-# <span style="color:#6E4DF7;">2. 数据集结构 (Dataset Structure) </span>
+- <span style="color:#6E4DF7;">行为识别</span>: mAP (mean Average Precision)
+- <span style="color:#6E4DF7;">目标检测</span>: mAP@.50
+- <span style="color:#6E4DF7;">状态监测</span>: F1-Score, Accuracy
+# <span style="color:#6E4DF7;">三. 数据集结构 (Dataset Structure) </span>
 数据集遵循清晰、直观的目录结构，便于访问和解析。所有图像均存放在 images/ 目录下，对应的 JSON 标注文件存放在 annotations/ 目录下。
-图1: 数据集文件结构
+
 数据实例 (Data Instances)
 每个数据点包含一张图像及其对应的元数据。 <span style="color:#6E4DF7;">图像以 .jpg 格式存储，元数据以 .json 格式存储，文件名一一对应。</span>
-以下是一个数据实例的标注文件 (<image_id>.json) 示例： { "image_path": "images/0001.jpg", "image_id": "0001", "attributes": { "age_group": "25-35", "gender": "male", "race": "asian", "clothing": "t-shirt" }, "annotations": [ { "label": "face", "bbox": [250, 150, 450, 350], "expression": "neutral" }, { "label": "behavior", "class": "using_phone", "bbox": [300, 400, 500, 600] }, { "label": "drowsiness", "class": "none", "confidence": 0.98 } ] }
+以下是一个数据实例的标注文件 (<image_id>.json) <br>
+
+示例： { "image_path": "images/0001.jpg", "image_id": "0001", "attributes": { "age_group": "25-35", "gender": "male", "race": "asian", "clothing": "t-shirt" }, "annotations": [ { "label": "face", "bbox": [250, 150, 450, 350], "expression": "neutral" }, { "label": "behavior", "class": "using_phone", "bbox": [300, 400, 500, 600] }, { "label": "drowsiness", "class": "none", "confidence": 0.98 } ] }
 
 
 Here’s the full English translation:
@@ -59,7 +62,7 @@ Key features
 • <span style="color:#6E4DF7;">Safe & compliant data source</span>: all images are purely synthetic, eliminating privacy and portrait-right issues inherent in real-user data collection, and providing a secure, controllable and scalable data foundation.  
 • <span style="color:#6E4DF7;">Accurate programmatic labels</span>: all tags (bounding boxes, behavior classes, user attributes) are generated synchronously with the images, yielding zero annotation errors and perfect consistency while removing human subjectivity.
 
-## <span style="color:#6E4DF7;">1. Supported Tasks & Leaderboards </span>
+## <span style="color:#6E4DF7;">二. Supported Tasks & Leaderboards </span>
 This dataset aims to advance computer-vision technologies inside the cabin, particularly for active safety and intelligent interaction of drivers and passengers.
 
 Main tasks  
@@ -74,7 +77,7 @@ We intend to host future challenges and publish leaderboards that rank the best-
 • Object detection: mAP@0.50  
 • State monitoring: F1-Score, Accuracy
 
-## <span style="color:#6E4DF7;">2. Dataset Structure</span> 
+## <span style="color:#6E4DF7;">三. Dataset Structure</span> 
 The dataset follows a clear, intuitive directory layout for easy access and parsing. All images are stored in images/; the corresponding JSON annotations reside in annotations/.
 
 Data instance