基于PyTorch和YOLOv4的口罩佩戴检测-star-自建口罩数据集共享_ MaskDetec

# 基于PyTorch&YOLOv4的口罩佩戴检测     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。 数据集一部分来源于参考部分，另一部分为自己手动收集与标注，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YOLOv4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80.75%。检测效果如下：  在NVIDIA GeForce RTX 2080 Ti上FPS大概能达到13左右。 ## 目录 - [基于PyTorch&YOLOv4的口罩佩戴检测](#基于pytorchyolov4的口罩佩戴检测) - [目录](#目录) - [安装](#安装) - [数据集](#数据集) - [依赖库](#依赖库) - [模型权重](#模型权重) - [使用](#使用) - [检测图片](#检测图片) - [检测视频](#检测视频) - [训练](#训练) - [评估](#评估) - [其他](#其他) - [目前进展](#目前进展) - [训练&评估结果](#训练评估结果) - [参考](#参考) - [License](#license) ## 安装 ### 数据集 [链接](https://pan.baidu.com/s/12lynrRjSlNkkWeB3lKAlMw) 提取码：cgp1 ### 依赖库 - Python >= 3.7 - PyTorch >= 1.4.0 - opencv-python >= 4.2.0.32 - Pillow >= 7.0.0 ### 模型权重 - COCO数据集预训练模型：[链接](https://pan.baidu.com/s/1JDclXgxDmA06Mv6hrRB5Sw) 提取码：cp4g - 本项目训练权重：[链接](https://pan.baidu.com/s/1opAbsydKnS1WWN9rgaH5IA) 提取码：kk47 ## 使用 ### 检测图片 使用Jupyter Notebook打开predict.ipynb，设置好图片路径后，运行detect_image()函数即可。 ### 检测视频 使用Jupyter Notebook打开predict.ipynb，设置好视频路径后，运行detect_video()函数即可。 ### 训练 下载预训练模型： - COCO数据集预训练模型：[链接](https://pan.baidu.com/s/1JDclXgxDmA06Mv6hrRB5Sw) 提取码：cp4g - 本项目训练权重：[链接](https://pan.baidu.com/s/1opAbsydKnS1WWN9rgaH5IA) 提取码：kk47 使用Jupyter Notebook打开train.ipynb，设置好数据路径、模型路径以及超参数后，即可进行训练。 ### 评估 使用Jupyter Notebook打开eval.ipynb，设置好测试集路径后，运行即可生成detection-results和ground-truth。 再运行mAP目录下的main.py，即可计算mAP等结果。 ## 其他 ### 目前进展 - [x] CSPDarknet53 - [x] SPP、PAN - [x] Mosaic数据增强 - [x] Label Smoothing - [x] CIOU - [x] 学习率余弦变化 - [x] Mish激活函数 ### 训练&评估结果   ## 参考 - 部分数据集来源： - https://github.com/hikariming/virus-mask-dataset - https://www.kesci.com/home/dataset/5e958c69e7ec38002d033362 - YOLOv4 PyTorch基于：https://github.com/bubbliiiing/yolov4-pytorch - mAP计算：https://github.com/Cartucho/mAP ## License [GPL](https://github.com/Bil369/MaskDetect-YOLOv4-PyTorch/blob/master/LICENSE) © [Bil369](https://github.com/Bil369)