基于Keras+YOLOv3的口罩佩戴情况检测系统【超详细！！！保姆级教程】

1. 开发环境

硬件环境（个人笔记本电脑）

• 处理器：Inter（R）Core（TM）i7-9750H CPU
• 内存：8.00GB
• 显卡：NVDIA GeForce GTX 1650
• 硬盘：可用空间300GB以上

软件环境

• win10 64位
• python3.7.0
• TensorFlow-GPU 1.13.1
• Keras2.2.4
• OpenCV4.2.0
• PyQt5
• 当然还有很多python的模块包，但是我这里记不清啦~如果有需要pip install就可以~

关于开发环境稍后我会专门写一篇博客详细介绍，帮助大家避雷。很多小白可能还没机会感受AI的快乐就被配置环境劝退了哈哈哈，想当初我也是踩了很多很多坑，说多了都是泪啊 ~

YOLOv3的原理不和大家讲了，毕竟不是一句两句话能说清的，对于初学者来说肯定有些难理解，不过没关系，大家一开始都是初学者，慢慢来别放弃，总有一天大家都能看懂原理 ~

但是要和大家展示一下下载下来的yolov3文件夹结构，为了方便描述，博主就称它为根目录吧 ~
就是下图，有一个大概的印象，便于后面我们复现。这个文件夹我在评论区给到大家 ~~

2. 制作数据集

配置好环境后，我们要准备自己的人脸口罩数据集了！

要检测口罩佩戴情况，就要先获取一定数量的相关图片，放入设计好的神经网络中训练（本文是YOLOv3），这些相关图片就叫做数据集，啊当然不只是单纯的图片，我们还要对这些图片做一些处理，也就是本章内容。

笔者的数据集是从一位老前辈那里求来的，是一个非常完美非常OK的数据集，省的大家自己去爬虫了。
数据集包含6366张高质量图片，有戴口罩的人、不戴口罩的人、用手或其他物品遮挡脸的人等多种情况，确保样本的多样性和全面性。

数据集文件夹VOCdevkit在根目录里，结构见下图。其中，

• JPEGImages文件夹存放收集到的原始图片，依次以1-6366命名；
• Annotations文件夹存放使用labelImg工具生成的含有所有目标位置和类别信息的图片标签，每个文件对应一张图片（具体怎么生成下面马上讲到）；
• ImageSets文件夹存放数据集列表文件，通常为train.txt、test.txt等，分类并保存不同用途的图像（听不懂没关系下面都会讲到࿰