面具识别
实时口罩磨损检测模型
使用Mobilenet V2 CNN模型预测是否戴口罩。
人脸检测使用Caffe2框架
描述
导入模块
带有python3的OpenCV
keras，plaidml-keras（用于AMD GPU计算）
麻木
matplotlib
argparse
张量流2.2.0
用法
火车
$ python train_mask_detector.py --dataset dataset
图像
$ python detection.py --image [Path to Image]
视频
更改detection.py中的视频路径后使用
$ python detection_video.py
2021-10-27 08:53:26
70.37MB
1
针对新冠肺炎防控期间肉眼识别判断行人是否佩戴口罩效率低且存在较大风险的问题, 提出一种改进检测目标边框损失的自然场景下行人是否佩戴口罩的检测算法. 该算法对YOLOv3损失函数进行改进, 应用GIoU计算目标边界框损失, 完成自然场景下行人是否佩戴口罩的检测. 算法在开源的WIDER FACE数据集和MAFA数据集上训练, 采集自然场景图片进行测试, 行人是否佩戴口罩的mAP (mean Average Precision)达到了88.4%, 取得了较高的检测准确率, 在自然场景视频检测中平均每秒传输帧数达到38.69, 满足实时检测的要求.
2021-09-20 15:36:01
1.35MB
1
课程演示环境：Windows10；CUDA10.2; cuDNN 7.6.5; Python 3.7; Visual Studio 2019; OpenCV3.4需要学习Ubuntu系统YOLOv4的同学请前往《YOLOv4目标检测实战：人脸口罩佩戴检测》
课程链接：https://edu.csdn.net/course/detail/28860
当前，人脸口罩佩戴检测是急需的应用，而YOLOv4是新推出的强悍的目标检测技术。本课程使用YOLOv4实现人脸口罩佩戴的实时检测。课程提供超万张已标注人脸口罩数据集。训练后的YOLOv4可对真实场景下人脸口罩佩戴进行高精度地实时检测。
本课程会讲述本项目超万张人脸口罩数据集的制作方法，包括使用labelImg标注工具标注以及如何使用Python代码对第三方数据集进行修复和清洗。
本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做人脸口罩佩戴检测项目演示。具体项目过程包括：安装YOLOv4、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。
2021-09-01 12:13:43
11.95MB
1
首先用现有的人脸检测算法，直接对图像进行人脸检测，训练好的人脸分类权值文件last_one.h5已放到log文件夹下，然后将检测的每一个人脸，单独切割出来，进行是否戴口罩的二分类。先对图像中的人脸进行标注，包括了戴口罩的，和不带口罩的两个label的目标。佩戴口罩的人脸图片命名标记为mask_1，没有佩戴口罩的人脸图片为nomask_1，然后在数据集准备好之后可以利用train.py文件训练 ，效果与详解可以看bilibili视频：https://www.bilibili.com/video/BV1dZ4y1F7Po/
2021-04-12 19:01:37
492.67MB
1
口罩佩戴检测数据集包括两种类别，戴口罩与不带口罩，总共有1165个数据，戴口罩的500多，不带口罩的600多，其中还附带标注好的标签数据，对于想进行检测的朋友可以直接使用，不用再自己费力标注。
2021-03-29 11:30:51
114.79MB
1