# MaskReco
一个基于YoloV5的口罩识别项目+GUI
## 使用方式
1. 安装依赖
```
pip install -r requirements.txt
```
2. 运行 ***PyqtGUI.py*** 文件
```
python PyqtGUI.py
```
best1、2、3.pt为模型文件,如有需要自行替换。
## 注释
对不起,由于我换了环境,在整理老项目代码并传到github上时,发现这个项目里缺少了 ***requirements.txt*** 文件,所以我用 ```pipreqs ./ --encoding=utf-8``` 重新生成的,但是大部分依赖,我的老环境中都卸掉了,所以版本并不完全对应。<br>
如果你不能运行请重新安装 ```pip install -r requirements2.txt ``` 的依赖,并手动补齐缺失的库。<br>
但这样做之前也请事先排查好torch版本的问题,
再次抱歉!!!!
<br>
<br>
<br>
<br>
下面是曾经的拙劣文章(已过时)
---
## 目标检测:
目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于无人驾驶、智能视频监控、工业检测、航空航天等诸多领域,通过计算机视觉减少对人力资本的消耗,具有重要的现实意义。 因此,目标检测也就成为了近年来理论和应用的研究热点,它是图像处理和计算机视觉学科的重要分支,也是智能监控系统的核心部分,同时目标检测也是泛身份识别领域的一个基础性的算法,对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。
------------
## YOLOv5简介:
YOLOV4出现之后不久,YOLOv5横空出世。YOLOv5在YOLOv4算法的基础上做了进一步的改进,检测性能得到进一步的提升。YOLOv5在COCO数据集上面的测试效果非常不错。工业界也往往更喜欢使用这些方法,而不是利用一个超级复杂的算法来获得较高的检测精度。
YOLOv5是一种单阶段目标检测算法,速度与精度都得到了极大的性能提升。主要的改进思路如下所示:
1. 输入端:在模型训练阶段,提出了一些改进思路,主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放。
2. 基准网络:融合其它检测算法中的一些新思路,主要包括:Focus结构与CSP结构。
3. Neck网络:目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层,Yolov5中添加了FPN+PAN结构。
4. Head输出层:输出层的锚框机制与YOLOv4相同,主要改进的是训练时的损失函数GIOU_Loss,以及预测框筛选的DIOU_nms。
**YOLOv5S模型的网络架构:**
[![](https://s1.ax1x.com/2022/07/07/jdByjK.jpg)](https://s1.ax1x.com/2022/07/07/jdByjK.jpg)
Yolov5s网络是Yolov5系列中深度最小,特征图的宽度最小的网络。Yolov5m、Yolov5l、Yolov5x 都是在此基础上不断加深,不断加宽。
------------
## YOLOV5目录结构:
下载源码后解压可以看到如下目录:
![](https://s1.ax1x.com/2022/07/07/jdD85d.png)
其中,train.py这个文件也是我们接下来训练yolo模型需要用到的启动文件。
requirement.txt 中有我们所需要的的全部依赖,采用pip安装。
```python
pip install -r requirements.txt #安装完依赖后准备工作完成
```
**每个文件作用:**
```python
YOLOv5
| detect.py #检测脚本
| hubconf.py # PyTorch Hub相关代码
| LICENSE # 版权文件
| README.md #README markdown 文件
| requirements.txt #项目所需的安装包列表
| sotabench.py #COCO 数据集测试脚本
| test.py #模型测试脚本
| train.py #模型训练脚本
| tutorial.ipynb #Jupyter Notebook演示代码
|-- data
| | coco.yaml #COCO 数据集配置文件
| | coco128.yaml #COCO128 数据集配置文件
| | hyp.finetune.yaml #超参数微调配置文件
| | hyp.scratch.yaml #超参数启始配置文件
| | voc.yaml #VOC数据集配置文件
| |---scripts
| get_coco.sh # 下载COCO数据集shell命令
| get_voc.sh # 下载VOC数据集shell命令
|-- inference
| | images #示例图片文件夹
| bus.jpg
| zidane.jpg
|-- models
| | common.py #模型组件定义代码
| | experimental.py #实验性质的代码
| | export.py #模型导出脚本
| | yolo.py # Detect 及 Model构建代码
| | yolo5l.yaml # yolov5l 网络模型配置文件
| | yolo5m.yaml # yolov5m 网络模型配置文件
| | yolo5s.yaml # yolov5s 网络模型配置文件
| | yolo5x.yaml # yolov5x 网络模型配置文件
| | __init__.py
| |---hub
| yolov3-spp.yaml
| yolov3-fpn.yaml
| yolov3-panet.yaml
|-- runs #训练结果
| |--exp0
| | | events.out.tfevents.
| | | hyp.yaml
| | | labels.png
| | | opt.yaml
| | | precision-recall_curve.png
| | | results.png
| | | results.txt
| | | test_batch0_gt.jpg
| | | test_batch0_pred.jpg
| | | test_batch0.jpg
| | | test_batch1.jpg
| | | test_batch2.jpg
| | |--weights
| | best.pt #所有训练轮次中最好权重
| | last.pt #最近一轮次训练权重
|-- utils
| | activations.py #激活函数定义代码
| | datasets.py #Dataset 及Dataloader定义代码
| | evolve.py #超参数进化命令
| | general.py #项目通用函数代码
| | google_utils.py # 谷歌云使用相关代码
| | torch_utils.py # torch工具辅助类代码
| | __init__.py # torch工具辅助类代码
| |---google_app_engine
| additional_requirements.txt
| app.yaml
| Dockerfile
|-- VOC #数据集目录
| |--images #数据集图片目录
| | |--train # 训练集图片文件夹
| | | 000005.jpg
| | | 000007.jpg
| | | 000009.jpg
| | | 0000012.jpg
| | | 0000016.jpg
| | | ...
| | |--val # 验证集图片文件夹
| | | 000001.jpg
| | | 000002.jpg
| | | 000003.jpg
| | | 000004.jpg
| | | 000006.jpg
| | | ...
| |--labels #数据集标签目录
| | train.cache
| | val.cache
| | |--train # 训练标签文件夹
| | | 000005.txt
| | | 000007.txt
| | | ...
| | |--val # 验证集图片文件夹
| | | 000001.txt
| | | 000002.txt
| | | ...
|-- weights
dwonload_weights.sh #下载权重文件命令
yolov5l.pt #yolov5l 权重文件
yolov5m.pt #yolov5m 权重文件
yolov5s.mlmodel #yolov5s 权重文件(Core M格式)
yolov5s.onnx #yolov5s 权重文件(onnx格式)
yolov5s.torchscript #yolov5s 权重文件(torchscript格式)
yolov5x.pt #yolov5x 权重文件
```
------------
## 模型训练过程:
使用环境:Python3.8+torch1.8.1+cuda11.1+pycharm
(注:cuda的安装版本取决于显卡类型)
**1.数据集的标注:**
python打开labelimg这个软件进行标注。
```python
python labelimg.py
```
数据格式建议选择VOC,后期再转换成 yolo格式。
( VOC会生成 xml 文件,可以灵活转变为其他模型所需格式)
![](https://s1.ax1x.com/2022/07/07/jdDgx0.png)
本次训练标注两个标签,佩戴口罩为 mask,未佩戴口罩为 face。
在根目录下建立一个VOCData文件夹,再建立两个子文件,其中,jpg文件放置在VOCData/images下,xml放置在VOCData/Annotations中。(这一步根据个人随意,因为在训练时需要创建配置文件指定模型训练集的目录)
**2.数据集的训练:**
①、在项目根目录下文件夹下新建mask_data.yaml配置文件,添加如下内容:
(根据个人情况修改)
![](https://s1.ax1x.com/
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
【探索人工智能的宝藏之地】 无论您是计算机相关专业的在校学生、老师,还是企业界的探索者,这个项目都是为您量身打造的。无论您是初入此领域的小白,还是寻求更高层次进阶的资深人士,这里都有您需要的宝藏。不仅如此,它还可以作为毕设项目、课程设计、作业、甚至项目初期的立项演示。 【人工智能的深度探索】 人工智能——模拟人类智能的技术和理论,使其在计算机上展现出类似人类的思考、判断、决策、学习和交流能力。这不仅是一门技术,更是一种前沿的科学探索。 【实战项目与源码分享】 我们深入探讨了深度学习的基本原理、神经网络的应用、自然语言处理、语言模型、文本分类、信息检索等领域。更有深度学习、机器学习、自然语言处理和计算机视觉的实战项目源码,助您从理论走向实践,如果您已有一定基础,您可以基于这些源码进行修改和扩展,实现更多功能。 【期待与您同行】 我们真诚地邀请您下载并使用这些资源,与我们一起在人工智能的海洋中航行。同时,我们也期待与您的沟通交流,共同学习,共同进步。让我们在这个充满挑战和机遇的领域中共同探索未来!
资源推荐
资源详情
资源评论
收起资源包目录
人工智能项目资料-基于YoloV5的口罩识别模型项目+GUI.zip (1649个子文件)
activate 2KB
activate.bat 946B
deactivate.bat 347B
sysconfig.cfg 3KB
pyvenv.cfg 73B
Dockerfile 821B
python.exe 522KB
pythonw.exe 521KB
t64-arm.exe 177KB
w64-arm.exe 163KB
gui-arm64.exe 135KB
cli-arm64.exe 134KB
t64.exe 104KB
pip3.8.exe 100KB
pip3.10.exe 100KB
pip.exe 100KB
pip3.exe 100KB
w64.exe 98KB
t32.exe 95KB
w32.exe 88KB
gui-64.exe 74KB
cli-64.exe 73KB
cli.exe 64KB
cli-32.exe 64KB
gui-32.exe 64KB
gui.exe 64KB
INSTALLER 4B
INSTALLER 4B
upload.jpg 116KB
LICENSE 1KB
README.md 20KB
README.md 10KB
README.md 2KB
METADATA 6KB
METADATA 4KB
cacert.pem 260KB
up.png 360KB
right.png 90KB
upload.png 7KB
Activate.ps1 18KB
best1.pt 88.53MB
best2.pt 40.23MB
best3.pt 13.73MB
distutils-precedence.pth 151B
fastjsonschema_validations.py 254KB
core.py 208KB
core.py 208KB
core.py 208KB
uts46data.py 200KB
_emoji_codes.py 137KB
more.py 129KB
langrussianmodel.py 128KB
more.py 115KB
html5parser.py 114KB
__init__.py 106KB
__init__.py 106KB
langbulgarianmodel.py 103KB
langthaimodel.py 101KB
langhungarianmodel.py 100KB
langgreekmodel.py 97KB
langhebrewmodel.py 96KB
langturkishmodel.py 94KB
console.py 93KB
tarfile.py 90KB
typing_extensions.py 85KB
easy_install.py 84KB
constants.py 82KB
_tokenizer.py 75KB
typing_extensions.py 69KB
_mapping.py 68KB
util.py 66KB
unistring.py 62KB
progress.py 55KB
python.py 52KB
locators.py 51KB
database.py 50KB
msvc.py 49KB
dist.py 49KB
distro.py 48KB
ccompiler.py 47KB
dist.py 45KB
datasets.py 44KB
datasets_not_print.py 44KB
text.py 44KB
idnadata.py 43KB
wheel.py 42KB
compat.py 41KB
__init__.py 39KB
package_index.py 39KB
table.py 39KB
metadata.py 38KB
connectionpool.py 38KB
helpers.py 38KB
helpers.py 38KB
helpers.py 38KB
package_finder.py 37KB
pretty.py 35KB
bdist_msi.py 35KB
html.py 35KB
models.py 34KB
共 1649 条
- 1
- 2
- 3
- 4
- 5
- 6
- 17
资源评论
妄北y
- 粉丝: 1w+
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功