Yolov3训练所使用的面部口罩数据集。-ITADN社区

Yolov3口罩检测训练数据集

优质

本数据集专为基于YOLOv3的目标检测模型设计，包含大量标注了人脸及口罩佩戴情况的图像，旨在提升模型在不同场景下识别和定位戴口罩人员的能力。我已经使用Yolov3训练完成了一个包含大约4000个样本的数据集，并用它来进行学习。

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。

YOLOv3: 使用自训练的数据

优质

简介：本文介绍了一种基于YOLOv3框架的方法，利用自训练技术提升模型在有限标注数据情况下的性能。通过迭代地改进模型并生成伪标签来扩充训练集，该方法能够有效提高目标检测的精度和鲁棒性。 YOLOv3: 训练自己的数据包含训练数据、训练标签以及训练列表文件。

口罩检测的训练模型与数据集

优质

本研究聚焦于开发用于评估口罩质量及佩戴正确性的自动化检测系统，通过构建专门的机器学习模型和收集相关数据集来实现高效、准确的口罩检测。口罩检测数据集包括400张测试图片、1200张训练图片以及400张验证图片。用于训练模型的三个不同权重版本为exp_yolov5l、exp_yolov5m和exp_yolov5s。

面部口罩检测：使用SSD进行模型训练的face mask detection

优质

本项目旨在开发一种基于SSD（单发检测器）框架的面部口罩检测系统。通过深度学习技术，特别是在图像识别领域的应用，该模型能够准确地在各类场景中定位并判断人脸是否佩戴了口罩，为疫情防控提供技术支持。基于SSD训练模型的facemask_detection要求使用张量流 2.1.0 和 Python=3.7 环境，如果需要可以使用 Kaggle 平台。入门步骤如下： 1. 运行 voc2ssd.py 脚本，并将“xmlfilepath”和“saveBasePath”参数修改为所需的路径。 2. 执行 voc_annotation.py： - Line6: 修改 classes 变量以匹配目标类别。 - Line9: 设置 in_file 的路径，该路径应指向数据集的注释文件集合。 - Line32: 将 list_file.write 的路径设置为数据集路径。完成以上步骤后，您将获得所需的数据。

适用于Yolov3的口罩识别标注数据集

优质

本数据集专为YOLOv3设计，包含大量人脸配戴口罩情况的标注图像，旨在提升模型在佩戴口罩下的面部检测与识别精度。文件包含2618张图片，这些图像是从互联网收集的，并展示了佩戴口罩与不戴口罩的情况。每一张图像都配有对应的标签文件（.txt），其中标注了“Mask”为0，“No_Mask”为1。此外，还提供了一些.xml格式的标签文件供用户转换使用。程序中包含一个名为txts.py 的脚本用于将数据集划分为训练和验证两部分，方便直接应用于yolov3模型进行训练。这个资源非常适合大学生参与创新项目或完成毕业设计时使用，并且已经做好了详细的标注工作以简化使用的难度。

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。

Windows 10下使用YOLOv3训练自定义数据集.docx

优质

本文档详细介绍了在Windows 10操作系统环境下，利用深度学习框架Darknet进行YOLOv3模型的搭建与训练，以实现对用户自定义数据集的有效支持。通过具体步骤指导读者完成从环境配置到模型部署的全过程。在Windows 10环境下使用YOLOv3训练自己的数据集时，并不需要像网上大多数教程那样先生成.json文件，可以直接利用txt格式的标注文件进行训练。下面将详细介绍如何制作所需的数据集以及配置存储位置等信息。数据集创建和配置： - 标注方式：采用txt文本格式来记录图像中的目标及其坐标。 - 存储路径：确保所有图片与对应的txt文件都保存在一个统一的位置，以便于YOLOv3读取训练或测试时使用。项目所需资源下载链接未在原文中给出，但可以参考官方GitHub仓库或其他可靠来源获取相关配置文件、模型权重等必要材料。

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。

利用YOLOv3模型训练自有的数据集

优质

本项目旨在使用YOLOv3算法对特定对象进行目标检测，通过训练自有数据集以实现高效准确的目标识别与定位。使用YOLOv3模型训练自己的数据集，在Ubuntu16.04系统上已经能够成功运行。如果下载并使用了这个工具，请给予好评，谢谢！

是否确定退出登录?

Yolov3训练所使用的面部口罩数据集。

全部评论 (0)