YOLOv5口罩检测

数据集准备

在项目代码平级路径下创建数据集路径，包括.yaml的数据集配置文件
训练集，验证集，测试集路径如下：

包括图像和标注,图像和标注对应文件名相同
标注为.txt的yolo格式如下:
类别 x y w h (坐标值为归一化后的相对值)

.yaml的数据集配置文件如下:

训练模型

环境：python3.6 + torch1.6.0 + cu101 + CUDA10.0 + cudnn7.6.0
在train.py中指定配置参数

• weights指定初始化的权重参数，可以使用yolov5s在coco上的预训练权重，这里不指定，随机初始化
• cfg指定网络配置，这里使用yolov5s
• data指定数据集配置文件的路径
• epochs指定训练轮数
• batch-size指定批量大小
• 运行train.py开始训练
  
  一个半小时训练结束
  预测框损失=0.03735
  置信度损失=0.05017
  分类损失=0.002577
  总损失=0.09009

训练日志

• 训练日志保存在runs/exp0/路径下
  
• weights路径下保存最后一轮的训练结果参数和验证结果最好的参数
  
• labels.png可视化数据集中各个类别目标的样本数量；目标的中心(x,y)的分布，颜色越深越密集；目标的宽高；
• precision-recall_curve.png可视化P-R曲线
• results.png可视化训练集和验证集上的损失，验证集上的准确率，召回率，mAP等
• results.txt保存训练过程中每个轮次的损失，评估指标值等
• test_batch0可视化验证集的第一个批次的真实标注和预测结果
• train_batch可视化训练集的前几个批次的预测结果

模型测试

在detect.py中指定以下参数

• weights指定训练好的权重参数，这里使用上步训练好的最佳参数
• source指定预测图像的路径
• output指定预测结果保存路径
• conf-thres指定置信度阈值
  运行detect.py即可预测
  其中一张测试结果如下:
  
  整个项目代码:https://download.csdn.net/download/cyj5201314/19374462