文件名称：Computer-Vision-Project
文件大小：80.34MB
文件格式：ZIP
更新时间：2024-04-15 09:51:17
JupyterNotebook
建造周3 :construction_worker: 专注于深度学习和计算机视觉模块。 :books: 面罩检测项目 :face_with_medical_mask: 团队巡游 :automobile: 技术和工具 :toolbox: 任务 :memo: 自定义数据集 :camera_with_flash: 使用计算机视觉（cv2），我们使用网络摄像头捕获了MASK，No MASK和BAD MASK的图片。 保存图像并将其标记在相应的文件夹中，方法是在面部周围绘制矩形边界框，在眼睛周围绘制关键点。 合并同行的蒙版，无蒙版和不良蒙版图像，以创建大型数据集以训练模型。 模型与训练 :laptop: ResNet18 我们通过使用和Transfer Learning开始了分类任务。 Pytorch提供了加载一些预训练模型的机会，我们选择ResNet18作为我们的第一种方法。 ResNet-18是一个深达18层的卷积神经网络。 您可以从ImageNet数据库中加载对一百万个图像进行训练的网络的预训练版本，并且该预训练网络可以将图像分类为1000个对象类别。 由于我们的分类只有
【文件预览】：
Computer-Vision-Project-main
----.gitignore(2KB)
----pytorch.svg(456B)
----pytorch.PNG(9KB)
----opencv.PNG(8KB)
----Haar Cascades()
--------haarcascade_fullbody.xml(482KB)
--------video.avi(2.15MB)
--------haarcascade_eye.xml(345KB)
--------haarcascade_frontalface_default.xml(941KB)
--------people2(56KB)
----fasiai.PNG(8KB)
----2_Data_Augmentation()
--------Data Augmentation.ipynb(1KB)
----README.md(5KB)
----Charles.jpg(79KB)
----sai.jpg(56KB)
----mask-detection-sample.jpg(223KB)
----1_Data_loader()
--------testloader_V1_resnet18.pt(53KB)
--------Data Loader V1.ipynb(176KB)
--------trainloader_V1_resnet18.pt(189KB)
----Mask Detect Open CV Front End()
--------Mask Detect FastAI - Open CV.ipynb(20KB)
--------mask Detect ONNX - Open CV.ipynb(20KB)
----3_Data_Transformation()
--------Data Transformation.ipynb(2KB)
----cruise.jpg(109KB)
----fasiai.ico(105KB)
----luca.jpg(74KB)
----4_Models()
--------resnet18_luca1.onnx(10.2MB)
--------model (PUT YOUR Name and model).ipynb(1KB)
--------resnet18luca.pt(9.84MB)
--------checkpoint.pth(14.31MB)
--------Luca_ResNet101.ipynb(94KB)
--------resnet18luca.pth(10.47MB)
--------Luca ResNet 18.ipynb(43KB)
--------image.jpeg(29KB)
--------resnet18_luca.onnx(11.06MB)
--------javi_1615938473.jpeg(55KB)
--------resnet18_luca2.onnx(10.19MB)
----Frontend-HTML-Javascript()
--------export.pkl(3MB)
--------templates()
--------static()
--------app.py(647B)