#清磁盘啦~，CSDN“网盘”真好用，感谢CSDN~ 基于openvino实现的口罩检测模型face_mask_detection

yolov5口罩检测数据集，txt格式，训练集、测试集、验证集已划分好，可直接用于训练，亲测有效

面罩检测 该模型是轻量级的面罩检测模型。 基于ssd的骨干网是Mobilenet和RFB。 主要特点 Tensorflow 2.1 训练与推论 使用mAP的精度 使用tf.GradientTape急切模式训练 使用tf.keras网络功能 使用tf.data.TFRecordDataset数据集 ├── assets │ ├── 1_Handshaking_Handshaking_1_71.jpg │ ├── out_1_Handshaking_Handshaking_1_71.jpg │ ├── out_test_00002330.jpg │ └── test_00002330.jpg ├── checkpoints │ └── weights_epoch_100.h5 ├── components │ ├── config.py │ ├── __

目标检测之口罩检测数据集，2700张图片和相应的VOC格式标注信息 格式是VOC数据格式： JPEGImages -- 图片保存的目标，一个包含2700张图片； Annotations -- 目标检测标注信息，一个xml文件对应JPEGImages里边的一张图片；

1.训练好的yolov7口罩检测模型 2.模型存放在runs文件夹 3.内部有教程 4.精度93%左右 5.有多个训练好的模型可以使用 6.分为3类，戴口罩、未戴口罩和没戴好口罩

口罩检测数据集，已由DK数据工作室处理好，已划分训练集和验证集，共8000张图片，可直接适用于YOLO目标检测代码

1、YOLOv3口罩和人脸识别，训练好的模型，配置好环境后可以直接运行，几千张数据训练了150轮得到的权重文件，mAP达到了90%多，PR曲线等图保存在runs文件夹中 ，配置好YOLOv3的环境就可以直接运行，可以和YOLOv5共用同一个环境 2、数据集和检测结果：https://blog.csdn.net/zhiqingAI/article/details/124230743

网上爬取的相关图像，耗时3周重新整理标注的，共一万多张数据，可用于是否佩戴口罩的目标检测训练，标注格式为VOC，可根据需求转换为yolo等需要的格式。 PS：数据集太大，分了三个压缩包，需全部下载完再解压，此文件为压缩卷1，收费在这个文件。

网上爬取的相关图像，耗时3周重新整理标注的，共一万多张数据，可用于是否佩戴口罩的目标检测训练，标注格式为VOC，可根据需求转换为yolo等需要的格式。 PS：数据集太大，分了三个压缩包，需全部下载完再解压，此文件为压缩卷2。

网上爬取的相关图像，耗时3周重新整理标注的，共一万多张数据，可用于是否佩戴口罩的目标检测训练，标注格式为VOC，可根据需求转换为yolo等需要的格式。 PS：数据集太大，分了三个压缩包，需全部下载完再解压，此文件为压缩卷3。