这是戴口罩人脸检测和戴口罩识别Android Demo APP： 原文链接： https://panjinquan.blog.csdn.net/article/details/125428609 戴口罩识别的准确率还挺高的，采用轻量化版本MobileNet-v2，准确率也可以高达98.18%左右

戴口罩人脸和未戴口罩人脸数据.zip

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。

防疫海报抗击疫情防控 戴口罩 宣传海报 PSD模板（PS设计师素材资源、图层源文件下载）.zip

训练好的yolov5戴口罩人脸检测

面膜检测 该代码由用于图像分类的各种库组成。 该代码的主要目的是检测人脸上的遮罩，并说明检测的完美程度，如果未检测到遮罩，则用红色边框包围面部并指定没有遮罩。 。 使用OpenCV，Keras和Tensorflow制作的python程序，用于检测人的脸部是否戴着面具。

人脸戴口罩AI识别数据集（含戴口罩116和未戴口罩70张数据）

性能情况 Performance 所需环境 Environment 文件下载 Download 训练步骤 How2train 预测步骤 How2predict 评估步骤 How2eval 参考资料 Reference 训练步骤 a、训练VOC07+12数据集 数据集的准备 本文使用VOC格式进行训练，训练前需要下载好VOC07+12的数据集，解压后放在根目录 数据集的处理 修改voc_annotation.py里面的annotation_mode=2，运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。 开始网络训练 train.py的默认参数用于训练VOC数据集，直接运行train.py即可开始训练。 训练结果预测 训练结果预测需要用到两个文件，分别是yolo.py和predict.py。我们首先需要去yolo.py里面修改model_path以及classes_path，这两个参数必须要修改。 model_path指向训练好的权值文件，在logs文件夹里。 classes_path指向检测类别所对应的txt。 完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。 b、训练自己的数据集 数据集的准备 本文使用VOC格式进行训练，训练前需要自己制作好数据集， 训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。 训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。 数据集的处理 在完成数据集的摆放之后，我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。 修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path，classes_path用于指向检测类别所对应的txt。 训练自己的数据集时，可以自己建立一个cls_classes.txt，里面写自己所需要区分的类别。 model_data/cls_classes.txt文件内容为： cat dog ... 修改voc_annotation.py中的classes_path，使其对应cls_classes.txt，并运行voc_annotation.py。 开始网络训练 训练的参数较多，均在train.py中，大家可以在下载库后仔细看注释，其中最重要的部分依然是train.py里的classes_path。 classes_path用于指向检测类别所对应的txt，这个txt和voc_annotation.py里面的txt一样！训练自己的数据集必须要修改！ 修改完classes_path后就可以运行train.py开始训练了，在训练多个epoch后，权值会生成在logs文件夹中。 训练结果预测 训练结果预测需要用到两个文件，分别是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。 model_path指向训练好的权值文件，在logs文件夹里。 classes_path指向检测类别所对应的txt。 完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。 预测步骤 a、使用预训练权重 下载完库后解压，在百度网盘下载yolo_weights.pth，放入model_data，运行predict.py，输入 img/street.jpg 在predict.py里面进行设置可以进行fps测试和video视频检测。 b、使用自己训练的权重 按照训练步骤训练。 在yolo.py文件里面，在如下部分修改model_path和classes_path使其对应训练好的文件；model_path对应logs文件夹下面的权值文件，classes_path是model_path对应分的类。 _defaults = { #--------------------------------------------------------------------------# # 使用自己训练好的模型进行预测一定要修改model_path和classes_path！ # model_path指向logs文件夹下的权值文件，classes_path指向model_data下的txt # 如果出现shape不匹配，同时要注意训练时的model_path和classes_path参数的修改 #-----------------------------------------------------

项目描述参见：https://handsome-man.blog.csdn.net/article/details/104174562

目标 输入一张人脸头像图片，可以自动识别其五官关键点，并加上口罩 步骤 口罩图片处理 到网上找到一张N95口罩图片，去掉其背景 关于图片去除背景，可以使用PS 的魔棒抠图，也可以找到一些在线网站，如 https://www.zenfotomatic.com/ 检测人脸关键点 引入包 dlib，其自带人脸特征提取器 百度下载文件 shape_predictor_68_face_landmarks.dat PREDICTOR_PATH = shape_predictor_68_face_landmarks.dat detector = dlib.get_frontal_face_det