毕设&课程作业_基于深度学习的口罩佩戴检测，Keras-YOLOv3 实现。.zip

# MaskDetect 基于深度学习的口罩佩戴检测，Keras-YOLOv3 实现。 ## Preview   ## 测试 ### 下载模型文件 模型文件存储在百度云上：[MaskDetect_model（提取码: yphs）](https://pan.baidu.com/s/1L9g8dvM8tn0wZkHM47lsfw) 模型文件对应说明如下： | 模型文件 | 说明 | |-----------------------------|--------------| | trained\_weights\_final\_12385\.h5 | 在大数据集上训练的模型 | | trained\_weights\_final\_147\.h5 | 在初代数据集上训练的模型 * | | yolo\_weights\.h5 | YOLO 官方预训练模型 | 下载后，请将模型文件放在 `model_data` 目录下。 \* 使用初代模型，请注意修改 `voc_annotation.py` 及 `model_data/voc_classes.txt` 中类名为 `rightmask` `wrongmask` `nomask`。 ### 开始测试 对于图片：`python3 yolo_video.py [OPTIONS...] --image` 对于视频：`python3 yolo_video.py [video_path] [output_path (optional)]` `yolo_video.py` 完整的选项可以通过 `python3 yolo_video.py --help` 查看。 ## 训练 ### 准备数据集 你需要按照 VOC 数据集的格式准备数据集，`VOC_data/VOC_mask` 目录用于存放数据。 ```sh VOC_mask ├─data_list # 存放数据集列表文件，建议由 create_dataset.py 生成 ├─img # 存放图片文件 ├─label # 存放图片标签，xml 格式 └─test_img # 存放了两个样例，与训练无关。 ``` ### 修改类名 修改根目录下的 `voc_annotation.py` 中第 7 行的 classes 数组为数据对应类别。 修改 `model_data` 目录下的 `voc_classes.txt` 为数据对应类别。 ### 处理数据并生成索引 `VOC_data/VOC_mask` 目录下的 `data_proc.py` 可以帮助处理数据集，完成统一命名和数据对应，如果数据集格式本身就规范，则没有必要使用它。 将图片放入 `img` 目录，将标签放入 `label` 目录之后，运行 `VOC_data/VOC_mask` 目录下的 `create_dataset.py`，该程序将在 `data_list` 目录下生成 `test.txt` `train.txt` `trainval.txt` `val.txt` 这四个列表文件。 在根目录下，运行 `voc_annotation.py`，程序将在根目录下生成用于训练的数据列表。 ### 开始训练 在根目录下，运行 `train.py` 进行训练。可以根据情况修改 `train.py` 中的参数。 ## 细节 ### 环境 训练及测试的环境如下： * **Python:** 3.6.9 * **Keras:** 2.2.0 * **TensorFlow:** 1.6.0 ### 数据集 #### 更新数据集（12385 张） 我们使用了新的更大的数据集进行训练，新的数据集的组成如下： | 人脸样本类别 | 数量 | |-|-| | 有口罩人脸样本 | 7056 个 | | 无口罩人脸样本 | 20318 个 | | 共计 | 27374 个 | | 图片类别 | 数量 | |-|-| | 仅包含有口罩样本的图片 | 3943 张 | | 仅包含无口罩样本的图片 | 8110 张 | | 包含有口罩、无口罩样本的图片 | 329 张 | | 共计 * | 12385 张 | \* 包含 3 张未处理的无效样本（`03580` `05301` `06124`） 新的数据集是下面三个开源数据集的联合数据集，在这里向他们的贡献表示感谢： * 更新版的 [hikariming/virus-mask-dataset](https://github.com/hikariming/virus-mask-dataset) * AIZOO 开源的口罩数据集 * [hamlinzheng](https://github.com/hamlinzheng) 开源的口罩数据集 #### 初代数据集（147 张） 训练使用的数据集：[hikariming/virus-mask-dataset](https://github.com/hikariming/virus-mask-dataset) 数据集分为三个类：正确佩戴口罩（rightmask）、错误佩戴口罩（wrongmask）、未佩戴口罩（nomask）。经过数据清洗后，剩余 147 个有效样本用于训练和评估。 ### 训练 考虑正负样本不均衡的问题，应用了 oversampling。 考虑迁移学习，在 YOLO 官方预训练的权重上继续训练 100 轮，loss 降至 22 左右。 ### 不足 实测对于单张照片存在漏测的现象。 ## 引用及致谢 训练使用了 hikariming, AIZOO, hamlinzheng 公开的口罩检测数据集 Keras-YOLOv3 框架来自：[qqwweee/keras-yolo3](https://github.com/qqwweee/keras-yolo3) 在此表示感谢！