Advertisement

YOLOv5人脸口罩检测代码及预训练模型+QT界面+含8000条标注数据的人脸口罩数据集

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

简介：
本项目提供基于YOLOv5的人脸口罩检测系统，包括源代码、预训练模型和一个包含8000条标注记录的数据集，并集成QT图形界面。 YOLOv5人脸口罩检测项目包括代码、训练好的模型以及PyQt界面。该项目包含两个精度达90%以上的预训练模型，并附有各种训练曲线图及8000多张标注数据集，标签格式为VOC和YOLO，类别名称分别为face（人脸）与face_mask（佩戴口罩的人脸）。此外，项目中的qt界面支持图片、视频检测以及调用摄像头进行实时监测。该项目基于PyTorch框架，并使用Python编写代码。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • YOLOv5人脸口罩检测代码及预训练模型+QT界面+含8000条标注数据的人脸口罩数据集
    优质
    本项目提供基于YOLOv5的人脸口罩检测系统，包括源代码、预训练模型和一个包含8000条标注记录的数据集，并集成QT图形界面。 YOLOv5人脸口罩检测项目包括代码、训练好的模型以及PyQt界面。该项目包含两个精度达90%以上的预训练模型，并附有各种训练曲线图及8000多张标注数据集，标签格式为VOC和YOLO，类别名称分别为face（人脸）与face_mask（佩戴口罩的人脸）。此外，项目中的qt界面支持图片、视频检测以及调用摄像头进行实时监测。该项目基于PyTorch框架，并使用Python编写代码。
     
  • YOLOv5目标检测及人脸口罩数据集（含8000张图片与标注文件）.zip
    优质
    本资源包含YOLOv5模型训练所需的人脸口罩目标检测数据集，内含8000张图像及其对应的标注文件，适用于开发疫情防护等相关应用。 1. 资源描述：约4000张不带口罩的人脸图片及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。 2. 资源特点：数据质量高、标注框精确度高，可以直接应用于yolo目标检测任务中。 3. 适用对象：计算机科学、电子信息工程和数学等专业的大学生课程设计、期末大作业及毕业设计项目。 4. 此资源集合由一位资深算法工程师提供。该工程师在某大型企业工作超过十年，精通Matlab、Python、C/C++和Java等多种编程语言，并专注于YOLO算法仿真研究。 5. 他擅长计算机视觉技术的应用开发、目标检测模型的构建与优化、智能优化算法的设计及实现，同时对神经网络预测分析、信号处理方法以及元胞自动机理论有着深入的理解。此外，在图像处理领域也积累了丰富的经验，包括但不限于智能控制策略设计和路径规划方案制定，并且在无人机相关技术研究方面也有独到见解。 6. 欢迎广大科研人员和技术爱好者与他交流学习。
     
  • 用于Yolov3人脸口罩检测的训练数据集
    优质
    本数据集专为YOLOv3设计，包含大量标注的人脸及口罩图像，旨在提升模型在不同场景下准确识别佩戴与未佩戴口罩状态的能力。 我找了这个数据包很久，但由于一些原因无法下载。后来托远方的朋友帮忙下载，在这里分享给大家。
     
  • 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 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） ```
     
  • Yolov5_FaceMask：使用YOLOv5训练的戴口罩与未戴口罩人脸检测-源码
    优质
    Yolov5_FaceMask是一个基于YOLOv5的人脸是否佩戴口罩检测项目，提供详细的源代码和模型训练过程，适用于各类人脸识别应用场景。 yolov5_FaceMask：用于检测戴口罩或没戴口罩的人。该模型基于YOLOv5训练而成。