matlab口罩识别代码引用自 MaskTrack 蒙版跟踪 这是视频对象分割中最先进的方法的基线，例如和[用于多对象跟踪的清醒数据梦想] ()。 中排名前三的方法基于 MaskTrack 方法。 但是，没有可用于 MaskTrack 方法的开源代码。 这里我提供了 MaskTrack 方法，其规格如下： 该代码在 DAVIS 2017 测试开发数据集上给出了 0.466 的分数。 J 均值是 0.440，F 均值是 0.492。 该代码处理 DAVIS 2017 中存在的多个对象。 还包括用于在 DAVIS 17 train+val 上进行离线训练和在 DAVIS 17 test 上进行在线训练的 matlab 中的数据生成代码。 因此，所有代码都打包在一起。 入门 用于测试的机器配置： 两块“GeForce GTX 1080 Ti”卡，每块 11GB 内存。 CPU RAM 内存 32 GB（虽然只需要大约 11 GB） 离线训练是在 DAVIS 2017 训练数据上完成的。 在线训练和测试在 DAVIS 2017 测试数据集上完成。 我建议使用 conda 来下载和管理环境。 下

基于MATLAB的口罩检测。因为口罩是穿戴于脸部，因此先进行人脸定位，分割，再进行口罩检测。口罩是疫情过后新起的课题，因为课题具有新颖性质，参考资料等相对比较少。

matlab口罩识别代码openreview_lungtumouriclr2018 COMP 551 最终项目：从 ICLR 2018 中复制一篇论文。 JVZ 团队 以下存储库包含用于重现 ICLR 2018 年会议提交结果的代码：肺肿瘤定位和使用 ALEXNET 和自定义 CNN 进行识别 dicom2png.m ：将原始下载的 LIDC-IDRI 数据集转换为 PNG 图像的文件夹，按患者 ID 排序，并使用每个切片的 SOP ID 进行重命名。 convertLabels.m ：将数据集中的 xml 标签转换为 Matlab Map 对象，通过其 SOP 对每个切片进行索引，并包括标记为结节的每个像素的矩阵。 然后脚本为每个切片创建相应的图像掩码，其中 0 对应于良性组织，1 对应于标记的结节。 此脚本利用 Wouter Falkena 的 xml2struct 实现（请参阅包含的许可证文件）。 像素标签结果保存为 pixelmap.mat。 buildDatastore.m ：构建一个数据存储对象，索引 PNG 文件夹中的所有切片，并使用由 convertLabels.m 生

该课题为基于面部的人数统计系统，在MATLAB平台，带有GUI界面。实时分割出人脸，并且计数，将分割到的人脸进行单独地显示出来。可识别戴口罩，也可以识别非戴口罩。还可以二次开发成口罩识别系统，尤其是20年疫情情况下，结合该时代背景，是一个很不错，有创新的选题。

MATLAB口zhao识别系统。先进行人脸定位，裁剪人脸，因为口罩是在人脸部位的。人脸定位+颜色定位的方法，带GUI界面。