口罩检测（Face）数据集.zip

PyTorch安装配置+YOLOv5-5.0实现口罩检测+GPU训练实现办法汇总。查阅多篇文章，亲身实践试错，最终筛选出可以实实在在实现功能的优质文章，供大家参考，省下大家试错的时间，以最快的速度实现YOLOv5口罩检测，如有问题欢迎在评论区交流。

口罩检测识别数据集（1200训练集+400测试集）。 可以直接拿过来进行训练；共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLO在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为90.75%。 可以直接拿过来进行训练；共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLO在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为90.75%。

基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型，基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型基于Yolov5的口罩识别模型，基于Yolov5的是否佩戴口罩的识别模型

yolov5口罩检测，数据集训练结果，包含训练好的权重文件和各种训练曲线图，保存在runs/train文件夹中，附有代码和检测结果以及测试数据集，类别为戴口罩：face_mask 和不戴口罩。

Darknet版YOLOv3人脸和口罩检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含数千张口罩检测数据集，类别名为face和face_mask，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

Darknet版YOLOv4人脸和口罩检测： 1、包含训练好的weights权重文件，以及后缀为cfg、data、names的配置文件，并包含训练map曲线和loss曲线，map到90%多 2、包含8000多张口罩检测数据集，类别名为face和face_mask，标签格式为txt和xml两种，分别保存在两个文件夹中 3、检测效果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743

基于Yolov5的口罩检测识别数据集+训练好的识别模型+标注好的数据.。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。基于Yolov5的口罩检测识别数据集+训练好的识别模型。 +标注好的数据. 结构 labels -- 所有图片的标签文件 photoes -- 转移到一个文件夹后的图片数据集(原始图片来自图片来源） yolov5-master yolov5的模型文件夹 transmit.py 用于将从github下载的文件快速写入一个文件夹的Py程序

Face Mask Detection-口罩检测 基于计算机视觉和深度学习的口罩检测系统 使用 OpenCV 和 Tensorflow/Keras。使用 OpenCV、Keras/TensorFlow 构建的面罩检测系统，使用深​​度学习和计算机视觉概念来检测静态图像和实时视频流中的面罩。在持续的 COVID-19 大流行中，没有有效的口罩检测应用程序，现在对交通工具、人口稠密地区、住宅区、大型制造商和其他企业的安全需求很高。'with_mask' 图像的大型数据集的缺乏使这项任务变得繁琐和具有挑战性。我们的口罩检测器不使用任何变形蒙版图像数据集，并且模型是准确的。由于使用 MobileNetV2 架构，计算效率高， 特征 我们的口罩检测器不使用任何变形蒙版图像数据集，并且模型是准确的 由于 Covid-19 的爆发，该系统可用于需要出于安全目的进行面罩检测的实时应用 该项目可与嵌入式系统集成，应用于机场、火车站、办公室、学校和公共场所，以确保遵循公共安全准则 它的计算效率很高，因此更容易将模型部署到嵌入式系统（Raspberry Pi、Google Coral 等） 该数据集包含

人工智能-项目实践-图像识别-基于 MobileNetV2 的人脸口罩检测识别 基于 tf.keras 的训练模型 MobileNetV2 搭建一个深度卷积神经网络进行人脸口罩检测识别, 使用 1070Ti 训练 15 个 epoch 准确率达 96%. 环境 Python 3.7 tensorflow 2.2.0 CUDA Version 10.1.243 数据集 数据集全部来自于网络公开数据.