yolov3口罩检测

最新推荐文章于 2024-08-14 07:49:08 发布
最新推荐文章于 2024-08-14 07:49:08 发布
阅读量1k 收藏 8
点赞数 2
文章标签： tensorflow 机器学习 深度学习 神经网络 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44487483/article/details/114274932
版权

如有错误，欢迎指教

前言

聊一聊之前做过的一个简单的yolov3进行口罩检测小项目，比较适合新手小白。本项目大概思路：检测图片中的口罩，只要佩戴口罩就检测出来，不佩戴口罩的不做任何处理
yolov3相比于v1,v2的优势不再赘述。本文主要简述图片标注，yolov3进行训练等基本步骤
本项目用到的代码主要是根据github代码进行修改(https://github.com/zzh8829/yolov3-tf2)

一、下载图片？

项目中用到的图片都是从网页随机下载的。哈哈哈哈。项目中共下载了450张图片，这里建议大家将图片按照1，2，3，，，的顺序进行命名，方便后面使用。
我这里选择图片的数量主要是受我自己设备的限制，我只用cpu进行训练会比较慢，有GPU训练的可以多下载一些图片进行训练，这样准确率会提高。

二、labelimg进行图片标注

网上有很多labelimg的使用教程，大家可以参考哈（很容易上手），这里不具体说明。
使用labelimg对图片进行标注，共450张图片，标注后生成的.xml文件放入Annotations文件夹，图片放入JPEGImages文件夹。

三、区分训练集和测试集

将数据集分为训练集和测试集，分别放入分别放入ImageSets文件夹下的train.txt和test.txt。这里训练集400张，测试集50张（训练集占80%以上就可）
具体代码可以去网上搜索
在这里插入图片描述

四、建立标签文件

建立标签文件facemask_voc.names，用于存放类别名称。这里类别只有一个：facemask(不能用wps形式打开，否则会出现编码错误，导致程序不能运行，使用txt文本编辑类别标签，我当时就踩坑了这个错误)
在这里插入图片描述

五、生成tfrecord文件

利用tools/voc2012.py分别生成vocfacemask_train.tfrecord，vocfacemask_val.tfrecord。
对于较小的数据可以直接写入内存，对应的格式：csv/npy/pkl/hdf
对于大数据而言，TensorFlow推荐使用自带的tfrcords文件。tfrecords文件是以二进制进行存储的，适合以串行的方式读取大批量的数据。

六、进行训练

cmd终端输入
d:
cd D:\deeplearning\face_mask\yolov3-tf2-master

生成tfrecord的train文件
python tools/voc2012.py --data_dir ./data/VOCdevkit_facemask/VOC2012 --split train --output_file ./data/vocfacemask_train.tfrecord --classes ./data/facemask_voc.names

生成tfrecord的val文件
python tools/voc2012.py --data_dir ./data/VOCdevkit_facemask/VOC2012 --split val --output_file ./data/vocfacemask_val.tfrecord --classes ./data/facemask_voc.names

进行迁移训练
python train.py --dataset ./data/vocfacemask_train.tfrecord --val_dataset ./data/vocfacemask_val.tfrecord --classes ./data/facemask_voc.names --num_classes 1 --mode fit --transfer darknet --batch_size 4 --epochs 20 --weights ./checkpoints/yolov3.tf --weights_num_classes 80

不进行迁移训练
python train.py --dataset ./data/vocfacemask_train.tfrecord --val_dataset ./data/vocfacemask_val.tfrecord --classes ./data/facemask_voc.names --num_classes 1 --mode fit --transfer none --batch_size 4 --epochs 20

实际证明不进行迁移训练的损失会很高，损失下降的速度特别慢，甚至在训练的过程中会出现梯度消失等现象。

模型测试
python detect.py --classes ./data/facemask_voc.names --num_classes 1 --weights ./checkpoints/yolov3_train_19.tf --image ./data/1.jpg --output ./data/1_out.jpg

测试结果
训练集损失：12.6896，测试集损失：18.8005
数据集中的图片
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
非数据集中的图片
在这里插入图片描述
在这里插入图片描述

总结

还有不详细的地方欢迎提问。
项目

欢迎使用Markdown编辑器

你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

  1. 全新的界面设计 ，将会带来全新的写作体验；
  2. 在创作中心设置你喜爱的代码高亮样式，Markdown 将代码片显示选择的高亮样式 进行展示；
  3. 增加了 图片拖拽 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
  4. 全新的 KaTeX数学公式 语法；
  5. 增加了支持甘特图的mermaid语法1 功能；
  6. 增加了 多屏幕编辑 Markdown文章功能；
  7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能，功能按钮位于编辑区域与预览区域中间；
  8. 增加了 检查列表 功能。

功能快捷键

撤销：Ctrl/Command + Z
重做：Ctrl/Command + Y
加粗：Ctrl/Command + B
斜体：Ctrl/Command + I
标题：Ctrl/Command + Shift + H
无序列表：Ctrl/Command + Shift + U
有序列表：Ctrl/Command + Shift + O
检查列表：Ctrl/Command + Shift + C
插入代码：Ctrl/Command + Shift + K
插入链接：Ctrl/Command + Shift + L
插入图片：Ctrl/Command + Shift + G
查找：Ctrl/Command + F
替换：Ctrl/Command + G

合理的创建标题，有助于目录的生成

直接输入1次#，并按下space后，将生成1级标题。
输入2次#，并按下space后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

如何改变文本的样式

强调文本 强调文本

加粗文本 加粗文本

标记文本

删除文本

引用文本

H2O is是液体。

210 运算结果是 1024.

插入链接与图片

链接: link.

图片: Alt

带尺寸的图片: Alt

居中的图片: Alt

居中并且带尺寸的图片: Alt

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

如何插入一段漂亮的代码片

去博客设置页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 代码片.

// An highlighted block
var foo = 'bar';

生成一个适合你的列表

  • 项目
    • 项目
      • 项目
  1. 项目1
  2. 项目2
  3. 项目3
  • 计划任务
  • 完成任务

创建一个表格

一个简单的表格是这么创建的：

项目Value
电脑$1600
手机$12
导管$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列第二列第三列
第一列文本居中第二列文本居右第三列文本居左

SmartyPants

SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如：

TYPEASCIIHTML
Single backticks'Isn't this fun?'‘Isn’t this fun?’
Quotes"Isn't this fun?"“Isn’t this fun?”
Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

创建一个自定义列表

Markdown
Text-to- HTML conversion tool
Authors
John
Luke

如何创建一个注脚

一个具有注脚的文本。2

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n−1)!∀n∈N 是通过欧拉积分

Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=∫0∞​tz−1e−tdt.

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
  • 关于 甘特图 语法，参考 这儿,

UML 图表

可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图：

张三 李四 王五 你好！李四, 最近怎么样? 你最近怎么样，王五？ 我很好，谢谢! 我很好，谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

这将产生一个流程图。:

链接
长方形
圆
圆角长方形
菱形
  • 关于 Mermaid 语法，参考 这儿,

FLowchart流程图

我们依旧会支持flowchart的流程图：

Created with Raphaël 2.2.0 开始 我的操作 确认？ 结束 yes no
  • 关于 Flowchart流程图 语法，参考 这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

  1. mermaid语法说明 ↩︎

  2. 注脚的解释 ↩︎

qq_44487483
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于yolo的口罩识别(开源代码和数据集)
陶陶name
02-17 2万+
2020年开头真的很人意外，开年爆发了疫情。此次疫情牵动了各行各业，在这里衷心的感谢奋斗在一线的医疗工作者：您们辛苦了。作为一名非医专业的学生，在这样情况下，除了不乱跑以外，我也想以另一种方式去致敬那些保护着全国人民安全的工作人员。接下来就来介绍本项目的开发过程。 1. 开发环境 笔者的开发环境如下： ubuntu16.04 PyTorch 1.1.0 anaconda opencv-pyth...
人工智能-深度学习-yolov3口罩佩戴识别
纯洁的小魔鬼
08-27 1万+
一.基础环境 windows 10 cuda 10.0 python3.7.4 tensorflow-gpu 1.14.0 keras2.24 numpy==1.16.5 二.下载keras-yolo3代码 从github上下载: https://github.com/qqwweee/keras-yolo3 代码解构如下: 三.下载权重并测试 本项目所用权重文件: 权重文件 官方提供的地址: yolov3.weights yolov3-tiny.weights 共有两个权重文件 yolov3.weig
人工智能之口罩检测算法
鹏鹏的博客
02-27 1万+
由于疫情的影响，口罩检测已经成为各个程序员竞相开发的一种算法。 百度的人脸检测SDK使用的还不错，他们还把口罩检测也给开源了 我这里使用基于OPENCV的检测 一般的思路可能就是手机带有口罩和没有戴口罩的数据集进行训练，但是我暂时没有找到这些数据集，我就采用使用opencv原来带有的训练集先检测出人脸，然后再对人脸检测鼻子和嘴巴。但是由于opencv的检测鼻子和嘴巴的算法准确性不高，需要经过附加条...
基于YOLOv3的口罩佩戴检测
学习日常分享
07-05 2405
为解决市民口罩佩戴目标检测中因小尺寸目标较多导致其识别精度不高的问题，提出一种基于 ＹＯＬＯｖ３改进的算法 Ｍ＿ＹＯＬＯｖ３。重构特征金字塔机制，把原本３＊３的类金字塔结构扩建为４＊４尺寸，把先验框数量由９增加到１６，通过 以上方法降低神经网络感受野，增强 Ｍ＿ＹＯＬＯｖ３对小尺寸目标的敏感度。将原有的损失函数ＩｏＵ 替 换 为 ＤＩｏＵ ，解决边框回归时难以确认梯度下降方向的问题。基于网络公开的４０６５张口罩数据集的实验结果表明，Ｍ＿ＹＯＬＯｖ３的 ｍＡＰ（平均精 度均值）为８８．４，较 Ｔｉｎｙ＿ＹＯＬ
基于yolov3的口罩检测
开开_王子的博客
03-08 8449
1、数据集准备 假设已经有了标注好的一分部数据， （1）运行voc2yolo3.py生成txt文件，保存在ImageSets/Main目录下 （2）修改voc_annotation.py中的classes classes = ["mask", "unmask"] 运行后，生成三个txt文件，每一行对应的是一张图片的位置，标注的真实框位置以及label: 2、修改先验框中的值 根据训练集中标注框...
yolov3口罩识别检测_是否佩戴规范检测_qt界面
huaxiahghj的博客
09-05 106
使用多层特征融合进行上下文建模：为了更好地利用图像的上下文信息，YOLOv3引入了多层特征融合的策略，将不同层次的特征进行融合，使模型能够更好地理解目标与背景之间的关系。单阶段检测：YOLOv3采用了单阶段的检测策略，将物体的检测和分类任务合并到一个神经网络中，直接从输入图像中预测目标位置和类别，而不需要借助额外的候选区域生成过程。多尺度特征提取：YOLOv3通过使用不同尺度的特征图来检测不同大小的目标。其中dataset文件夹下放的是口罩数据集，有图片和对应的标签文件，标签文件记录的是口罩的位置信息。
最新YOLOV5口罩检测数据集，YOLOV5口罩检测数据集+代码+模型+标注好的数据.zip
05-21
最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新YOLOV5口罩检测数据集最新...
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频.zip
12-14
YOLOV5口罩检测数据集+代码+模型 2000张标注好的数据+教学视频 代码的下载地址在：https://gitee.com/song-laogou/yolov5-mask-42 大家可以按照这里的视频教程配置环境：...
基于yolov7的口罩检测模型
07-14
**基于Yolov7的口罩检测模型** **一、引言** Yolov7是由Alexey Bochkovskiy在2020年提出的一种快速且精确的目标检测框架，它是Yolo系列的最新版本，继承了前几代的优秀特性，并在速度与准确性之间取得了更好的平衡...
yolov5口罩检测数据集.rar
04-17
1、资源内容：yolov5口罩检测数据集.rar 2、资源特点：包括2000张图片，以及相应的text文本标注。分为训练集、测试集、验证集已划分好，可直接用于训练，亲测有效 3、适用对象：计算机，电子信息工程、数学等专业的...
yolov5口罩检测（训练好的模型）
04-23
**YOLOv5口罩检测详解** YOLOv5是一种基于深度学习的目标检测框架，尤其以其高效、准确和易于使用的特点而受到广泛欢迎。本项目提供了一个已经训练好的模型，专门用于口罩检测，这对于当前全球公共卫生环境下的防疫...
012yolov3口罩识别检测_是否佩戴规范检测_qt界面
bug_creat0r的博客
03-17 91
其中dataset文件夹下放的是口罩数据集，有图片和对应的标签文件，标签文件记录的是口罩的位置信息。通过运行03predict.py可以实现单个图片中口罩是否佩戴和是否规范的检测。通过运行01create_txt.py可以将图片路径保存在txt文本里，在运行02train.py训练图片保存模型到weights文件下。04pyqt界面.py是打开一个可视化的ui界面，提供交互使用。
毕业设计-基于机器复杂场景口罩佩戴检测-YOLO
Hai_Lang_IT的博客
01-01 903
毕业设计-基于机器复杂场景口罩佩戴检测-YOLO：针对公共场所口罩佩戴检测存在遮挡、密集和小尺度的情况而导致检测精度不高的问题，以实时目标检测算法 YOLOv3 为基础提出一种 Mask-YOLO 算法。新型冠状病毒具有很强的传播性，其传播途径以呼吸道传播和接触传播为主，因此在公共场所正确佩戴口罩可以有效防止病毒传播。然而在中国疫情已进入常态化的防控阶段，人员密集的公共场所依然存在着不正确佩戴口罩甚至不佩戴口罩的现象，这将增加病毒传播的风险。为了在公共场所实现安全防疫和高效监管的目标，有必要采取智能化的目标
[教学]基于yolov3的口罩检测_是否规范佩戴口罩识别+qt界面含代码
分享知识
06-03 734
直接上效果图：代码十分的简洁qt界面调用模型检测的代码如下：
[YoLoV3目标检测实战] keras+yolov3训练自身口罩检测数据集
Mind_programmonkey的博客
08-16 1万+
[YoLoV3目标检测实战] keras+yolov3训练自身的数据集 本文用keras版本的yolov3来训练人脸口罩数据集，从而完成一个简单的目标检测。 首先先上目标检测效果，准备好了吗？ go！go！go！ 看到 目标检测的效果之后，你心动了吗？心动不如行动，让我们放手去干！撸起袖子加油干！ 一、环境要求 Python： 3.7.4 Tensorflow-GPU 1.14.0 Ke...
基于YOLO实现的口罩佩戴检测 - python opemcv 深度学习 计算机竞赛
Mr.D学长
10-21 294
🔥 优质竞赛项目系列，今天要分享的是🚩 **基于YOLO实现的口罩佩戴检测 **该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！🥇学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：4分创新点：4分🧿受全球新冠肺炎疫情影响，虽然目前中国疫情防控取 得了良好效果，绝大多数地区处于疫情低风险，但个别地 区仍有零星散发病例和局部聚集性疫情。在机场、地 铁站、医院等公共服务和重点机构场所规定必须佩戴口罩， 口罩佩戴检查已成为疫情防控的必备操作。
人工智能与深度学习实战（4）——口罩佩戴识别（CNN）
热门推荐
qq_28810395的博客
07-18 1万+
目标分类 前言 在此只做简单利用Tensorflow进行口罩识别的程序实现，不做算法讲解，具体概念请移步下面链接。 https://blog.csdn.net/qq_28810395/article/details/107401125 前期准备 数据集（200幅戴口罩图片，200幅没戴口罩图片）如下。 mask nomask 对于深度网络模型训练，仅仅200的训练集完全不足够进行训练，在此只是测试讲解，所以200样本集足够用于展示流程。 具体代码展示 搭建网络，训练模型。 import os, shu
16.2 TensorFlow 与 Keras 基础
最新发布
在路上的专栏
08-14 432
TensorFlow 和 Keras 是现代深度学习领域的两个重要工具。TensorFlow 是由 Google Brain 团队开发的开源机器学习框架，广泛用于构建和训练机器学习和深度学习模型。Keras 最初是一个独立的高层神经网络 API，现已成为 TensorFlow 的官方高级 API。它简化了模型的构建和训练过程，使得开发者能够更快速地实现复杂的深度学习模型。
yolov8 口罩检测
04-30
YOLOv8是一种基于深度学习的目标检测算法，它是YOLO（You Only Look Once）系列算法的最新版本。YOLOv8口罩检测是基于YOLOv8算法进行口罩检测的应用。 YOLOv8算法通过将图像划分为多个网格，并在每个网格上预测目标的边界框和类别，从而实现实时目标检测。相比于传统的目标检测算法，YOLOv8具有更快的检测速度和更高的准确率。 口罩检测是YOLOv8在目标检测领域的一个应用场景。通过训练模型，YOLOv8口罩检测可以实时地检测图像或视频中人脸区域，并判断是否佩戴口罩。这对于疫情防控、公共场所管理等方面具有重要意义。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值