深度学习 口罩识别数据集

基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据.zip基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据.zip基于YOLOV5口罩检测数据集+代码+训练好的模型+标注好的数据.zip

人脸口罩数据集

文件中包含2618张口罩和不带口罩的图片，均由互联网收集。其中对于含有2618份对应标签文件（.txt）。标签编号为 Mask 0 No_Mask 1 还包含部分.xml标签文件。可用于自己转换。包括一个txts.py 用于划分训练和验证数据集。可用于yolov3直接训练，适用于大学生创造项目和毕业设计使用。打好标签方便使用。

AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo标注，直接训练识别模型 AI目标检测、戴口罩识别数据集，yolo

口罩识别数据集.zip

口罩检测识别数据集（1200训练集+400测试集）。 可以直接拿过来进行训练；共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLO在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为90.75%。 可以直接拿过来进行训练；共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLO在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为90.75%。

yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接使用，最新yolov5口罩识别数据集。yolov5口罩识别数据集，这是基

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

数据集包括了2979张佩戴口罩的人脸图片，2994张未佩戴口罩的人脸图片，最重要的是还包括了2994张未正确佩戴口罩的图片（也就是那些戴口罩漏鼻子的）！把这部分也作为未佩戴口罩的数据集，在极高的实际意义。所有图片均是由人脸识别模块切割出，只包含人脸这一小部分图像，对训练的准确性有极大的提高，还进行了旋转操作实现数据增强。 配套项目代码及数据集预览参考博客：https://blog.csdn.net/weixin_45981224/article/details/120526885