基于计算机视觉的人脸面具检测。
source link: https://panchuang.net/2021/08/09/%e5%9f%ba%e4%ba%8e%e8%ae%a1%e7%ae%97%e6%9c%ba%e8%a7%86%e8%a7%89%e7%9a%84%e4%ba%ba%e8%84%b8%e9%9d%a2%e5%85%b7%e6%a3%80%e6%b5%8b%e3%80%82/
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
在冠状病毒的情况下，有必要在公共场合佩戴口罩，以避免被感染。在这里，我们已经建立了一个计算机视觉模型，它可以检测到这个人是否戴了口罩。在进一步进行之前，我要感谢Rahul Arora在这方面与我合作。Rahul Arora
数据集集合：
在这里，我们在我们的数据集上建立了模型，其中有331个训练图像和17个带有标签掩模的测试图像，没有掩模
数据注释：
图像注释已使用MakeSense.AI完成。这是一个开源网站，可帮助您注释图像并根据我们的选择以任何格式下载。以下注释以两种方式完成：1.在.xml格式中，我们有X-min、X-max、Y-min、Y-max坐标MakeSense.AI
2..txt格式，包含对象类、对象坐标、图像宽度、图像高度
数据准备和建模：
因为我们在这里使用了2个不同的模型，所以数据准备已经用了2种不同的方式。这里我们不会包含所有使用的库或Python代码，因为这会使这个博客太长。参考资料部分将提供参考资料。
1.使用预先训练的SSD RESNET进行TensorFlow对象检测：
我们必须从XML创建.csv文件。
在此之后，我们需要分别创建训练和测试TF记录。
我们对我们的模型进行了10000步的训练。对于最后几个步骤，这里是我们的损失看起来是什么样子
从上面我们可以看出，总损失太大了，所以我们并不期望这个模型能够正常工作。为了对该模型进行推论，我们提供了下面的要点。
让我们检查一下我们的模型的性能。
从上面我们可以清楚地看到，我们的模型执行得不够好。要么需要训练更多的步数，要么需要使用更好的模型，但是对于最后几步，损失并没有减少很多，我们可能已经达到了饱和点。我们需要用更好的型号。
2.YoloV5s：
在这里，我们将使用.txt文件注释来训练模型。yolo v5有不同的版本。我们最初使用的是Yolo v5s版本来检查模型的性能，我们将只发布必须进行更改的代码片段。
在培训模型之前，请确保您的文件结构如下所示：
确保图像、标签文件名应该准确，否则会抛出错误。现在我们将训练我们的模型200个纪元，批次大小为80。对于最后几个纪元，这是我们的损失看起来是这样的。
让我们检查一下我们的模型的性能：
我们可以看到我们的模型执行得很好。让我们看看绘图是什么样子：
从上面我们可以观察到，我们的模型一点也不过度拟合。
参考链接：
GitHub存储库：
对于任何联系人，这里是我们的LinkedIn个人资料：1.Nipun Agrawal https://www.linkedin.com/in/nipun-agrawal-200597110/2.Rahul Arora https://www.linkedin.com/in/rahul-arora-461a19125/https://www.linkedin.com/in/nipun-agrawal-200597110/ https://www.linkedin.com/in/rahul-arora-461a19125/
原创文章，作者：fendouai，如若转载，请注明出处：https://panchuang.net/2021/08/09/%e5%9f%ba%e4%ba%8e%e8%ae%a1%e7%ae%97%e6%9c%ba%e8%a7%86%e8%a7%89%e7%9a%84%e4%ba%ba%e8%84%b8%e9%9d%a2%e5%85%b7%e6%a3%80%e6%b5%8b%e3%80%82/
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK