文件名称：face-mask-detection:使用经过定制培训的YOLOv4模型的面罩检测应用
文件大小：26.22MB
文件格式：ZIP
更新时间：2024-04-22 17:30:18
Python
面罩检测 :face_with_medical_mask: 使用从Darknet转换为TensorFlow的经过定制培训的YOLOv4模型的面罩检测应用程序。 使用的数据集 :file_folder: 用于训练的数据集来自 。 它包含属于3类的853张图像，以及它们的PASCAL VOC格式的边框，这些边框后来被转换为文本格式（.txt），以在Darknet框架中使用。 它包括3个类： 带口罩 不带口罩 口罩戴不正确 检测模型 :mage: 使用的检测模型是YOLOv4 。 Yolo（您只看一次）是最快的异物检测算法之一。 它可以实时提供物体检测。 这些是在Darknet中训练的自定义YOLOv4模型的配置和指标。 使用了COCO数据集中使用的基线权重。 纪元数： 3000 学习率： 0.001 宽度和高度： 416x416 班级数量： 3 平均平均精度（mAP）：数据集上的87.02％ 。 按类别的指标 :chart_decreasing: 班级 平均精度（AP） 真正（
【文件预览】：
face-mask-detection-main
----requirements-gpu.txt(94B)
----detect_video.py(5KB)
----benchmarks.py(6KB)
----train.py(7KB)
----checkpoints()
--------yolov4-416()
----convert_tflite.py(3KB)
----detect.py(5KB)
----scripts()
--------voc()
--------voc_annotation.py(3KB)
--------coco_convert.py(3KB)
--------google_utils.py(2KB)
--------coco_annotation.py(3KB)
--------get_coco_dataset_2017.sh(940B)
----core()
--------config.py(2KB)
--------backbone.py(8KB)
--------utils.py(12KB)
--------dataset.py(14KB)
--------yolov4.py(16KB)
--------__pycache__()
--------common.py(3KB)
----convert_trt.py(4KB)
----conda-cpu.yml(225B)
----requirements.txt(90B)
----detections()
--------sample2.png(1.14MB)
--------sample3.png(508KB)
--------sample4.png(2.85MB)
--------sample1.png(465KB)
----conda-gpu.yml(280B)
----save_model.py(3KB)
----README.md(3KB)
----mAP()
--------main.py(27KB)
--------extra()
----data()
--------images()
--------classes()
--------video()
--------helpers()
--------dataset()
--------anchors()
----evaluate.py(6KB)