|
|
|
人脸口罩检测与识别
助力于新型冠状病毒疫情防控
该目录包含由Ultralytics LLC开发的PyTorch YOLOv3软件，并根据GPL-3.0许可可免费重新分发。有关更多信息，请访问 https://www.ultralytics.com
描述
该 https://github.com/ultralytics/yolov3 代码包含PyTorch YOLOv3 推理和训练代码。该代码可在Linux，MacOS和Windows上运行。默认情况下，对 mask_face 数据集进行训练
要求
PPython 3.7或更高版本，pip install -U -r requirements.txt包括以下所有软件包：
torch >= 1.4opencv-pythonPillowNvidia Driver >= 440.44
讲解
- 训练自定义数据 < 强烈推荐!
- Train Single Class
- Google Colab Notebook 具有快速培训，推断和测试示例
- GCP 快速入门
- data/mask_face.names 俩种类型 Masking 带口罩，unMasked 未带口罩
训练
请自定义数据后开始训练，可以去抓取口罩相关图片 百度搜索戴口罩
开始训练: python3.6 train.py --data data/mask_face.data --weights weights/yolov3-tiny.weights --cfg cfg/yolov3-tiny.cfg --epochs 100
恢复训练: python3 train.py --resume weights/last.pt.
情节训练: from utils import utils; utils.plot_results()
图像增强
datasets.py 将OpenCV驱动的（https://opencv.org/）增强应用于输入图像。我们使用镶嵌数据加载器（如下图所示）来增加训练过程中的图像可变性。
速度
GPU： Nvidia RTX 2080 12G
数据集： (135张图像)
型号： yolov3-tiny.cfg
命令： python3.6 train.py --data data/mask_face.data --weights weights/yolov3-tiny.weights --cfg cfg/yolov3-tiny.cfg --epochs 100
| GPU | n | --batch --accum |
img/s | epoch time |
epoch cost |
|---|---|---|---|---|---|
| - - |
推理
python3.6 detect.py --names data/mask_face.names --cfg cfg/yolov3-tiny.cfg --weights weights/best.pt --source ...- 图片：
--source file.jpg - 视频：
--source file.mp4 - 目录：
--source dir/ - 摄像头：
--source 0 - RTSP流：
--source rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa - HTTP流：
--source http://wmccpinetop.axiscam.net/mjpg/video.mjpg
YOLOv3: python3.6 detect.py --names data/mask_face.names --cfg cfg/yolov3.cfg --weights weights/best.pt
YOLOv3-tiny: python3.6 detect.py --names data/mask_face.names --cfg cfg/yolov3-tiny.cfg --weights weights/best.pt
YOLOv3-SPP: python3.6 detect.py --names data/mask_face.names --cfg cfg/yolov3-spp.cfg --weights weights/best.pt
预训练模型
从以下位置下载： 百度网盘 密码:idra
欢迎继续完善人脸口罩检测 数据集 mask_face 通过
data/scrat.py抓取百度图片，清洗数据后，labelImg标注数据集 已有数据集位于data/有135张图片
检测效果
