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

yolov5口罩检测，数据集训练结果，包含训练好的权重文件和各种训练曲线图，保存在runs/train文件夹中，附有代码和检测结果以及测试数据集，类别为戴口罩：face_mask 和不戴口罩。

python口罩检测 tensorflow+keras口罩检测有界面口罩识别系统商用源码。效果视频：https://www.bilibili.com/video/BV1qU4y1j7gf?from=search&seid=4128249966606570993&spm_id_from=333.337.0.0

可以参考两位大神的：一种用的级联器方法 一种用的数据集训练方法，我还做出了一个实时检测68关键点的，最后一个是图片中68关键点的