复现成功！深度学习口罩目标检测！

深度学习-目标分类-口罩

语言：python

目的：用于口罩分类，可以作为学习参考。

内容包括：源码和数据集，部分带文章。超过十份源码。

带数据集很好运行，主页有搭建环境过程。主页有更多源码。

dataset描述见readme文档，也可以和我要。

PS：本资源为网盘资源，资源包内容会不定期更新。不尽详言，
有问题可回复评论。

深度学习是一种人工智能（AI）方法，用于教计算机以受人脑启发的方式处理数据。 深度学习模型可以识别图片、文本、声音和其他数据中的复杂模式，从而生成准确的见解和预测。 您可以使用深度学习方法自动执行通常需要人工智能完成的任务，例如描述图像或将声音文件转录为文本。

今天找到一份数据集和多份源码，成功复现代码！
算法使用的是YOLO V7和YOLO V8，算法很牛。出来效果很好。

源码资料点在这里（网盘形式）

首先导入数据集

for anno in glob.glob(path_an+"/*.xml"):
    tree = ET.parse(anno)
    
    for elem in tree.iter():
        if 'size' in elem.tag:
            for attr in list(elem):
                if 'width' in attr.tag: 
                    width = int(round(float(attr.text)))
                if 'height' in attr.tag:
                    height = int(round(float(attr.text)))    

        if 'object' in elem.tag:
            for attr in list(elem):
                
                if 'name' in attr.tag:
                    name = attr.text                 
                    dataset['name']+=[name]
                    dataset['width']+=[width]
                    dataset['height']+=[height] 
                    dataset['file']+=[anno.split('/')[-1][0:-4]] 
                            
                if 'bndbox' in attr.tag:
                    for dim in list(attr):
                        if 'xmin' in dim.tag:
                            xmin = int(round(float(dim.text)))
                            dataset['xmin']+=[xmin]
                        if 'ymin' in dim.tag:
                            ymin = int(round(float(dim.text)))
                            dataset['ymin']+=[ymin]                                
                        if 'xmax' in dim.tag:
                            xmax = int(round(float(dim.text)))
                            dataset['xmax']+=[xmax]                                
                        if 'ymax' in dim.tag:
                            ymax = int(round(float(dim.text)))
                            dataset['ymax']+=[ymax]

fig,axes = plt.subplots(nrows=2,ncols = 2,figsize=(20,10));

sns.scatterplot(ax = axes[0,0],x='Air_Value',y='Fine_particle',data = df,color = 'red');
sns.scatterplot(ax = axes[0,1],x='Air_Value',y='Carbon_value',data = df,color = 'green');
sns.scatterplot(ax = axes[1,0],x='Air_Value',y='Nitrogen_value',data = df,color = 'Fuchsia');
sns.scatterplot(ax = axes[1,1],x='Air_Value',y='Ozone_value',data = df,color='orange');

axes[0,0].title.set_text('Relationship air value and fine particles')
axes[0,1].title.set_text('Correlation between air value and carbon value')
axes[1,0].title.set_text('Correlation between air value and nitrogen value')
axes[1,1].title.set_text('Relationship between air value and ozone value')

效果相当好！