YOLOV7-人脸口罩检测数据集

首先进行图片的读取，使用opencv的haar鼻子特征分类器，如果检测到鼻子，则证明没有戴口罩。如果没有检测到鼻子，接着使用opencv的haar眼睛特征分类器，如果没有检测到眼睛，则结束。如果检测到眼睛，则把RGB颜色空间转为HSV颜色空间。进行口罩区域的检测。口罩区域检测流程是首先把距离坐标原点的较近的横坐标作为口罩区域开始横坐标，离坐标原点较远的横坐标作为口罩区域结束横坐标。离坐标原点较远的纵坐标作为口罩区域开始纵坐标，离坐标原点较远的纵坐标与眼睛高度2倍的和作为口罩区域结束纵坐标。

人工智能-项目实践-图像识别-基于 MobileNetV2 的人脸口罩检测识别 基于 tf.keras 的训练模型 MobileNetV2 搭建一个深度卷积神经网络进行人脸口罩检测识别, 使用 1070Ti 训练 15 个 epoch 准确率达 96%. 环境 Python 3.7 tensorflow 2.2.0 CUDA Version 10.1.243 数据集 数据集全部来自于网络公开数据.

本教程目的为让开发者了解深度学习中的完整流程，这包括：** 1.数据集导入及预处理流程 2.网络模型选择及参数设置流程 3.模型训练及导出流程 4.模型加载/优化并得出推断结果 本教程采用了以下主要的软硬件环境：** 1.NVIDIA Xavier NX 2.Jetpack 4.6 3.TensorRT 8.0.1 4.Pytorch 1.10.0 5.Python 3.6.9 6.Opencv 4.1.1

1、YOLOv5人脸口罩检测，代码和训练好的模型，两种训练好的模型，并有pyqt界面，训练精度达90%多，内含各种训练曲线图，并有8000多张标注好的人脸口罩检测数据集，标签是VOC和YOLO格式的，类别名为face，face_mask两类； 2、数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 3、qt界面可以 检测图片、视频和调用摄像头，有相应的选择项 4、采用pytrch框架，代码是python的

支持人脸检测和口罩检测，IDE为vs2015，配置opencv3.4.1及以上，模型为caffe框架下训练所得，使用opencv的dnn进行推导，在一般设备上都可达到实时检测效果

运行的还算比较好，总体运行还可以，可以去我的另一篇博文下运行代码试试，有用的话可以关注下，关于完整的GUI系统我也做了

1. 本数据来源于MAFA dataset和WIDER FACE dataset。 2. 训练集共6120张图片，来自与MAFA的有3006张图片（基本都是戴口罩的图片）， WIDER Face的有3114张（基本都是不戴口罩的图片）。 3. 验证集共1839张图片，其中来自MAFA的有1059张图片， 来自于WIDER Face的共780张。