Advertisement

Yolov5已完成口罩数据的训练。

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

简介：
该项目的源代码托管在 GitHub 仓库：https://github.com/shitbro6/yolov5-pyqt5--mask-recognition-system/releases/tag/1.0。 此外，详细的教程可以在 博客上找到：https://blog..net/qq_38737428/article/details/12307。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • yolov5口罩检测训练数据.txt
    优质
    本文件包含用于训练YOLOv5模型进行口罩检测的数据集，内含大量标注了佩戴或未佩戴口罩的人脸图片及对应标签信息。 使用Yolov5训练口罩检测的训练集已经清洗过，可以直接下载使用。
     
  • 基于Yolov5的口罩检测模型训练完成
    优质
    本项目成功开发了一个基于Yolov5框架的口罩检测系统。通过大量数据训练优化，该模型能够高效准确地识别图像或视频中的人脸及佩戴口罩情况，在疫情防控和公共安全领域具有广泛应用前景。 使用YOLOV5训练好的口罩检测模型的具体训练方法可以在我的博文中找到，《使用YOLOV5训练口罩检测模型》。
     
  • 基于YOLOv5的口罩数据训练模型
    优质
    本项目采用YOLOv5框架对包含人脸及佩戴状态的口罩图像数据集进行训练，旨在提升目标检测模型在复杂场景下的准确性和效率。 源码在 Github 上可以找到。教程可以在相关博客文章中查看。
     
  • 基于YOLOV5的口罩检测数据集、代码及训练完成的模型.zip
    优质
    本资源包提供了一个基于YOLOv5框架的口罩检测系统，包含定制化数据集、完整源码以及预训练模型。适用于快速部署与二次开发，助力人脸识别与公共安全领域应用。 基于YOLOV5的口罩检测数据集、代码、训练好的模型以及标注好的数据都包含在名为mask_detection_dataset_code_model.zip的文件中。该资源包包含了用于进行口罩佩戴情况检测的所有必要组件，适合于相关研究和开发工作使用。
     
  • 基于YOLOV5的口罩检测数据集、代码及训练完成的模型.zip
    优质
    本资源包包含一个用于口罩检测任务的数据集、YOLOv5框架下的代码文件以及通过该数据集训练得到的模型，适用于快速部署和测试。 基于YOLOV5的口罩检测数据集、代码以及训练好的模型和已标注的数据集现提供下载。此资源无需任何修改即可直接运行，并适用于毕业设计、课程设计及大作业项目，能够帮助用户获得高分评价。该包包含了所有必需的内容以确保项目的顺利进行与实施。
     
  • 基于Yolov5的口罩数据集与模型训练
    优质
    本项目基于YOLOv5框架，利用特定口罩数据集进行模型训练和优化，旨在提升在各种场景下对口罩佩戴情况的检测精度。 使用Yolov5训练口罩识别的源码，包含7959张带有标签的口罩数据集。这些照片和标签位于源码yolov5-6.2-mask\data\mask路径下，并提供了已经训练好的模型可以直接应用。
     
  • 训练好的YOLOv5口罩检测模型 yolov5-master-5.0-mask.rar
    优质
    本资源提供一个基于YOLOv5架构、专门用于口罩佩戴情况检测的预训练模型。该模型能够高效准确地识别图像中的人脸及其口罩佩戴状态，适用于疫情防控等多种场景下的应用需求。下载后请解压文件yolov5-master-5.0-mask.rar进行使用。 训练好的YOLOv5口罩检测模型，在配置好环境后可以直接运行。使用几千张数据进行了150轮的训练，最终得到的权重文件使得mAP达到了90%以上。PR曲线等图保存在runs文件夹中。配置好YOLOv5的环境之后就可以直接进行数据集和检测结果的操作了。
     
  • 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。