真实口罩人脸识别数据集:从网络爬取样本,经过整理、清洗和标注后,含525人的5千张口罩人脸、9万正常人脸。
2022-07-14 16:04:50 545.94MB 数据集
这是戴口罩人脸检测和戴口罩识别Android Demo APP: 原文链接: https://panjinquan.blog.csdn.net/article/details/125428609 戴口罩识别的准确率还挺高的,采用轻量化版本MobileNet-v2,准确率也可以高达98.18%左右
1
人工智能-项目实践-图像识别-基于mtcnn-mobilenet-keras-breath_mask-master
2022-05-23 12:05:49 25.32MB keras mobilenet mtcnn 口罩人脸识别
MATLAB口罩遮挡人脸识别,人脸重建。带着口罩 的情况下进行人脸识别。这块 是对已经烂大街了的 人脸识别的 一个创新,可以利用 他进行疫情防护的人脸口罩遮挡识别,以及结合是否带口罩 ,可以申请优毕!
1
性能情况 Performance 所需环境 Environment 文件下载 Download 训练步骤 How2train 预测步骤 How2predict 评估步骤 How2eval 参考资料 Reference 训练步骤 a、训练VOC07+12数据集 数据集的准备 本文使用VOC格式进行训练,训练前需要下载好VOC07+12的数据集,解压后放在根目录 数据集的处理 修改voc_annotation.py里面的annotation_mode=2,运行voc_annotation.py生成根目录下的2007_train.txt和2007_val.txt。 开始网络训练 train.py的默认参数用于训练VOC数据集,直接运行train.py即可开始训练。 训练结果预测 训练结果预测需要用到两个文件,分别是yolo.py和predict.py。我们首先需要去yolo.py里面修改model_path以及classes_path,这两个参数必须要修改。 model_path指向训练好的权值文件,在logs文件夹里。 classes_path指向检测类别所对应的txt。 完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。 b、训练自己的数据集 数据集的准备 本文使用VOC格式进行训练,训练前需要自己制作好数据集, 训练前将标签文件放在VOCdevkit文件夹下的VOC2007文件夹下的Annotation中。 训练前将图片文件放在VOCdevkit文件夹下的VOC2007文件夹下的JPEGImages中。 数据集的处理 在完成数据集的摆放之后,我们需要利用voc_annotation.py获得训练用的2007_train.txt和2007_val.txt。 修改voc_annotation.py里面的参数。第一次训练可以仅修改classes_path,classes_path用于指向检测类别所对应的txt。 训练自己的数据集时,可以自己建立一个cls_classes.txt,里面写自己所需要区分的类别。 model_data/cls_classes.txt文件内容为: cat dog ... 修改voc_annotation.py中的classes_path,使其对应cls_classes.txt,并运行voc_annotation.py。 开始网络训练 训练的参数较多,均在train.py中,大家可以在下载库后仔细看注释,其中最重要的部分依然是train.py里的classes_path。 classes_path用于指向检测类别所对应的txt,这个txt和voc_annotation.py里面的txt一样!训练自己的数据集必须要修改! 修改完classes_path后就可以运行train.py开始训练了,在训练多个epoch后,权值会生成在logs文件夹中。 训练结果预测 训练结果预测需要用到两个文件,分别是yolo.py和predict.py。在yolo.py里面修改model_path以及classes_path。 model_path指向训练好的权值文件,在logs文件夹里。 classes_path指向检测类别所对应的txt。 完成修改后就可以运行predict.py进行检测了。运行后输入图片路径即可检测。 预测步骤 a、使用预训练权重 下载完库后解压,在百度网盘下载yolo_weights.pth,放入model_data,运行predict.py,输入 img/street.jpg 在predict.py里面进行设置可以进行fps测试和video视频检测。 b、使用自己训练的权重 按照训练步骤训练。 在yolo.py文件里面,在如下部分修改model_path和classes_path使其对应训练好的文件;model_path对应logs文件夹下面的权值文件,classes_path是model_path对应分的类。 _defaults = { #--------------------------------------------------------------------------# # 使用自己训练好的模型进行预测一定要修改model_path和classes_path! # model_path指向logs文件夹下的权值文件,classes_path指向model_data下的txt # 如果出现shape不匹配,同时要注意训练时的model_path和classes_path参数的修改 #-----------------------------------------------------
2021-12-27 14:02:53 5.33MB yolov3
行业分类-作业装置-一种轻量级口罩人脸识别方法、系统、存储介质及设备.zip
网上收集了正样本800多张,负样本1800张,可以直接跑训练
2021-08-05 18:05:50 120.86MB opencv python
1
自己训练的口罩人脸识别模型,框架是tensorflow,具体内容参考:https://blog..net/mengxt169/article/details/106744801
2021-01-28 12:21:12 79.76MB 人脸识别 口罩人脸识别
1