yolov5-口罩检测

1.yolov5官网

https://github.com/ultralytics/yoloV5

尽量下载最新版，V3.0版本，目前V3.1-20201120

2.数据集

dota2职业选手-目标检测——口罩识别数据集

3.数据预处理

参考我的另外几篇文章

1. python如何把包含图片和txt两种格式的文件重新命名并保存-yolo格式
2. python实现从一个文件夹里随机提取特定比例文件放到另一文件夹中，训练验证集划分
3. 取与val图片对应的val标签
   
   5725-5543标签有问题，可以自己分行，

4.训练

1. 修改制作data/mask_datas.yaml文件

train: E:\01_hjz\01_work\pythonProject\01_Smart_Construction-master\mask_datas\images\train
val: E:\01_hjz\01_work\pythonProject\01_Smart_Construction-master\mask_datas\images\val
test: E:\01_hjz\01_work\pythonProject\01_Smart_Construction-master\mask_datas\images\val
# number of classes
nc: 2
# class names
names: ['no-mask', 'mask']

2. 修改制作cfg=models/mask_yolov5.yaml文件

nc: 2  # number of classes，其他暂时不改

anchor box暂时不会写yolo数据格式的代码，若是能找到适应数据集的锚框效果会提升很多，希望各位有的话可以联系，抱拳

3. 训练：

python train.py --cfg=models/mask_yolov5.yaml --data=data/mask_datas.yaml --batch-size=32 --epochs=300

5.测试

python test.py --weights=runs/exp22/weights/last.pt --data=data/mask_data.yaml

best.pt

               Class      Images     Targets           P           R      mAP@.5  mAP@.5:.95: 100%|███████████████████████████████████████████
                 all         954    2.05e+03       0.838       0.824       0.789       0.502
Speed: 1.4/1.0/2.4 ms inference/NMS/total per 640x640 image at batch-size 32

last.pt

               Class      Images     Targets           P           R      mAP@.5  mAP@.5:.95: 100%|███████████████████████████████████████████
██████████| 30/30 [00:13<00:00,  2.22it/s]
                 all         954    2.05e+03       0.835       0.821       0.784       0.502
Speed: 1.4/1.0/2.4 ms inference/NMS/total per 640x640 image at batch-size 32

6.detect

python detect.py --weights=./weights/face_mask_best_5s.pt --source=E:\01_hjz\01_work\pythonProject\01_Smart_Constr
uction-master\inference\int\images --conf-thres=0.6

摄像头的话：

--source=0 即可

7.总结

 1. 对小目标和遮挡效果不好，初步判断是数据集人群图像标注太少，
 2. anchor未适应，口罩的锚框应该很小，默认的coco9个锚框对小目标应该不太适应
 3. 正面图像效果较好
 4. 期待更好方法
 5. 欢迎交流