本科毕业设计——基于深度学习的口罩佩戴检测及人脸识别系统源代码 Run pip install -r requirements.txtin terminal; Run main.py in your IDE or python interpreter;

1、基于yolov5算法实现口罩识别检测源码+模型文件+评估指标曲线+使用说明 2、附有训练、loss(损失值)下降曲线、Recall(召回率)曲线、precision(精确度)曲线、mAP等评估指标曲线 3、识别类别为：“戴口罩”，“不戴口罩” 4、大量数据集训练，迭代200次，模型拟合较好。 【备注】有相关使用问题，可以私信留言跟博主沟通。

【实际项目应用】 口罩佩戴检测 【数据集说明】 口罩检测数据集，一共7889张图片，标签包含两类，分别为 ['mask','nomask']，多种背景，数据经过筛选提取，数据分布均匀且多样性充分，实际项目所用，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。人工标注，标注精准，算法拟合很好，数据质量可靠。 【备注】若需要json格式标签，或数据集使用问题，请私信留言。

资源包含文件：设计报告word文档+源码 针对目标检测的任务，可以分为两个部分：目标识别和位置检测。通常情况下，特征提取需要由特有的特征提取神经网络来完成，如 VGG、MobileNet、ResNet 等，这些特征提取网络往往被称为 Backbone 。而在 BackBone 后面接全连接层***(FC)***就可以执行分类任务。但 FC 对目标的位置识别乏力。经过算法的发展，当前主要以特定的功能网络来代替 FC 的作用，如 Mask-Rcnn、SSD、YOLO 等。我们选择充分使用已有的人脸检测的模型，再训练一个识别口罩的模型，从而提高训练的开支、增强模型的准确率。 详细介绍参考：https://biyezuopin.blog.csdn.net/article/details/124897861

口罩佩戴检测数据集2.0.zip

人工智能-项目实践-图像识别-基于PyTorch&YOLOv4实现的口罩佩戴检测自建口罩数据集分享 本项目是利用YOLOv4进行口罩佩戴检测，使用PyTorch实现。虽然现在国内疫情基本得到有效遏制，但防控仍不可过于松懈，在一些公共场合佩戴口罩还是必不可少的。基于此，自己做了该项目，后续打算继续改进，争取将其运行到边缘设备上。希望本项目能给疫情常态化防控出一份力，也希望真正的新年早日到来。

人工智能-项目实践-图像识别-基于YOLOV3的人体口罩佩戴检测

人工智能-项目实践-图像识别-基于深度学习的口罩佩戴检测，Keras-YOLOv3 实现。 MaskDetect 基于深度学习的口罩佩戴检测，Keras-YOLOv3 实现。

基于yolov3的人体口罩佩戴检测 由于2020年新型冠状病毒，针对公共场合检测人员是否佩戴口罩，故用YOLOV3完成一个人体口罩佩戴检测。 效果展示 环境 工欲善其事必先利其器 Python： 3.7.4 Tensorflow-GPU 1.14.0 Keras: 2.2.4 数据集 口罩检测数据集，从互联网上搜集的数据集，大概1k多张图片。 训练 准备数据集 按照VOC数据集的格式来准备数据集，及图片以及xml标签 VOCdevkit -VOC2007 ├─ImageSets # 存放数据集列表文件，由voc2yolo3.py文件生成 ├─Annotations #

软件工程第四小组项目前端部分 一个能够检测口罩佩戴情况的跨平台系统 本系统是基于神经网络模型、能够自动准确识别图片和视频中人物口罩佩戴情况的跨平台系统（网站+App+客户端+小程序）。项目前端部分，设计网页 UI ，构建项目原型，学习和使用uni-app 框架，构建跨平台应用；项目后端部分，应用Django框架和mysql数据库，部署服务器端，接收并响应前端请求；识别算法，在pytorch环境下，运用 YOLOV3 框架，进行数据集准备工作，使用colab进行模型训练，并在服务器端加载模型进行图片检测。 此外，开发本地桌面应用。使用pyqt设计GUI，结合YOLOV3实现了实时视频检测功能。 :lollipop:演示地址： :lollipop:技术栈：vue.js + uni-app :lollipop: :lollipop:部分截图（网页+Android+小程序）：