Advertisement

YOLOv5用于处理人脸口罩图像数据集。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
包含四千张未佩戴口罩的人脸图像以及四千张佩戴口罩的人脸图像，并附带相应的标注文件，这些图像均以YOLOv5格式呈现，可以直接用于模型训练。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLOv5 人脸口罩图像数据集
    优质
    简介：本数据集专为基于YOLOv5的人脸口罩检测模型训练和测试而设计，包含大量标注图片，涵盖各种佩戴情况及面部姿态。 约4000张不带口罩的人脸图片与4000张带口罩的人脸图片，包含标注文件，符合YOLOv5格式，可直接用于训练。
     
  • YOLOv5 人脸口罩图像数据集
    优质
    YOLOv5 人脸口罩图像数据集 是一个专为改进人脸识别与口罩检测技术而设计的数据集合，包含大量标注的人脸配戴口罩图片，适用于训练和评估深度学习模型。 YOLOv5 人脸口罩图片数据集包含约4000张不带口罩的人脸图片和4000张带口罩的人脸图片，并附有标注文件，符合YOLOv5格式，可以直接用于训练模型。
     
  • YOLOv5 人脸口罩图像数据集.rar
    优质
    该数据集为YOLOv5设计，包含大量标注的人脸及口罩图像，旨在促进佩戴口罩情况下的人脸检测与识别技术研究。 【实例简介】包含约4000张不戴口罩的人脸图片及相同数量的戴口罩人脸图片，并附有标注文件，符合YOLOv5格式要求，可直接用于训练。 该数据集结构如下： ``` 4744300845369137808.zip ├── images │ ├── 13_Interview_Interview_2_People_Visible_13_1012.jpg │ ├── 13_Interview_Interview_2_People_Visible_13_1013.jpg │ ├── 13_Interview_Interview_2_People_Visible_13_101.jpg │ ├── 13_Interview_Interview_2_People_Visible_13_102.jpg │ ├── 13_Interview_Interview_2_People_Visible_13_105.jpg │ └── ...（更多图片文件） ```
     
  • 可用于直接训练的YOLOv5人脸口罩图片数据集
    优质
    本数据集包含大量标记的人脸口罩图像，适用于基于YOLOv5的目标检测模型直接训练与优化，促进口罩佩戴识别技术的发展。 约4000张不带口罩的人脸图片加上4000张带口罩的人脸图片，包含有标注文件，并符合YOLOv5格式，可直接用于训练。
     
  • YOLOv5 人脸口罩图像数据集含图片与文档，便于直接训练
    优质
    本数据集专为YOLOv5设计，包含大量标注的人脸及口罩图像，附带详细文档，方便用户快速进行模型训练。 这是一个基于Yolov5的人脸与口罩数据集，包含图片和txt文档，可以直接用于训练。该数据集中有约4000张不带口罩的人脸图片以及4000张带口罩的人脸图片，并且每个图像都有对应的标注文件，符合YOLOv5格式要求，可以立即投入使用进行模型训练。
     
  • Yolov5口罩数据集
    优质
    本数据集专为基于YOLOv5的目标检测模型设计，专注于优化口罩佩戴情况下的面部识别性能，包含大量标注图片以提升模型训练效果。 口罩数据集适用于训练Yolo系列模型。该数据集中包含label文件，并可以直接通过编写数据集路径进行训练。数据集规模适中，类别包括两类：佩戴口罩（mask）和未佩戴口罩（unmask）。特别重要的是，它还包含了那些没有正确佩戴口罩的图片（例如戴口罩但露出鼻子），这部分也被视为未佩戴口罩的数据。 所有图片都是由人脸识别模块切割出来的小部分人脸图像，这有助于提高训练准确性。此外，数据集还包括了旋转操作以实现数据增强。这些数据既可以是Yolo格式也可以是VOC格式。
     
  • 基于YOLOv5的人脸口罩图片识别数据集（含9000多张标注图）
    优质
    本数据集包含超过9000张人脸图像，并使用YOLOv5框架进行详细标注，旨在提升人脸识别中佩戴口罩情况下的准确率与效率。 数据集分为两个类别：“Mask”和“No Mask”。整个数据集中包含超过9000张图像及24975个带有标注的实例，并已按照训练、测试与验证三个部分划分，可以直接用于模型训练。这些图像的平均分辨率为0.49 MP，中位尺寸为750 x 600像素。为了提升模型性能，在数据集中还保存了每张图片在90度、180度和270度旋转后的版本作为额外的数据增强处理。
     
  • 人脸口罩检测数据集.zip
    优质
    该数据集包含大量标注的人脸佩戴口罩图片，旨在促进人脸识别与口罩检测技术的研究与发展。 本数据来源于MAFA dataset和WIDER FACE dataset。 训练集包含6120张图片，其中来自MAFA的有3006张（主要是戴口罩的照片），而来自WIDER Face的则有3114张（主要为不戴口罩的照片）。 验证集中共有1839张图片，其中有1059张来自于MAFA，780张来自于WIDER Face。
     
  • YOLOV7人脸口罩检测数据集
    优质
    简介：该数据集专为优化YOLOv7模型在人脸识别与口罩佩戴情况检测上的性能而设计，包含大量标注图像，助力于提升智能监控及公共健康应用中的准确率。 YOLOV7-人脸口罩检测数据集是专为训练及评估人工智能模型进行人脸口罩识别而设计的资源。该数据集旨在帮助开发者和研究人员在当前全球公共卫生环境下利用计算机视觉技术来判断人们是否佩戴了口罩，这有助于公共场所的安全监控与健康管理。 YOLO（You Only Look Once）是一种实时目标检测系统，它将图像分类与边界框预测合并到一个单一神经网络中，从而实现快速、高效的物体识别。作为该系列的最新版本，YOLOV7在保持高速度的同时提升了精度。相比之前的版本，它可能采用了更先进的架构如卷积神经网络（CNN）、空洞卷积或最新的Transformer模块以优化特征提取和目标定位。 数据集通常包括训练集、验证集及测试集，每个样本都标注了人脸的位置以及是否佩戴口罩的信息。这些注释信息一般采用XML或者CSV格式存储，并包含边界框的坐标与类别标签（例如0表示未戴口罩，1表示戴口罩）。高质量的数据对模型训练效果至关重要。 VOCdevkit是PASCAL Visual Object Classes Challenge的数据集工具包，它提供了一系列用于处理图像数据、评估模型性能及可视化结果的功能。在人脸口罩检测场景中，VOCdevkit可能被用来组织和管理XML注释文件，并运行相关脚本进行模型训练与验证。 实际应用中，训练YOLOV7通常涉及以下步骤： 1. 数据预处理：将原始图像及其标注信息转换为适合模型输入的格式。 2. 模型架构：加载YOLOV7网络结构并根据需要微调。 3. 训练过程：利用训练集迭代地调整超参数以优化性能。 4. 验证与调整：通过验证集评估模型表现，依据反馈进行必要的改进或策略调整。 5. 测试和部署：在测试集中检验模型泛化能力，并将其应用于实际场景中。 借助该数据集与YOLOV7模型，我们可以构建一个实时的人脸口罩检测系统，在摄像头捕捉到的画面里自动识别未佩戴口罩的人员并即时发出警告。这有助于公共场所采取有效的防疫措施；同时为AI研究者提供了深入探索目标检测算法、优化模型性能及开发新应用场景的机会。
     
  • Yolov5口罩检测用的数据集
    优质
    本数据集专为基于YOLOv5模型的口罩检测应用而设计，包含大量标注清晰的人脸配戴口罩情况图像，适用于训练和评估口罩识别算法。 Yolov5口罩检测数据集以txt格式提供，训练集、测试集和验证集已划分好，可以直接用于模型训练，并且已经过亲测有效。