Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

Awesome Lists | Featured Topics | Projects

https://github.com/Bil369/MaskDetect-YOLOv4-PyTorch

基于PyTorch&YOLOv4实现的口罩佩戴检测 :star: 自建口罩数据集分享
https://github.com/Bil369/MaskDetect-YOLOv4-PyTorch

maskdetect pytorch yolov4

Last synced: 7 days ago
JSON representation

基于PyTorch&YOLOv4实现的口罩佩戴检测 :star: 自建口罩数据集分享

Host: GitHub
URL: https://github.com/Bil369/MaskDetect-YOLOv4-PyTorch
Owner: Bil369
License: gpl-3.0
Created: 2020-06-01T16:34:12.000Z (over 4 years ago)
Default Branch: master
Last Pushed: 2020-12-02T05:22:58.000Z (almost 4 years ago)
Last Synced: 2024-08-02T01:22:49.443Z (4 months ago)
Topics: maskdetect, pytorch, yolov4
Language: Jupyter Notebook
Homepage:
Size: 6.33 MB
Stars: 202
Watchers: 2
Forks: 53
Open Issues: 6
Metadata Files:
- Readme: README.md
- License: LICENSE

Awesome Lists containing this project

awesome-yolo-object-detection - Bil369/MaskDetect-YOLOv4-PyTorch - YOLOv4-PyTorch?style=social"/> : 基于PyTorch&YOLOv4实现的口罩佩戴检测 ⭐ 自建口罩数据集分享。 (Applications)
awesome-yolo-object-detection - Bil369/MaskDetect-YOLOv4-PyTorch - YOLOv4-PyTorch?style=social"/> : 基于PyTorch&YOLOv4实现的口罩佩戴检测 ⭐ 自建口罩数据集分享。 (Applications)

README

        # 基于PyTorch&YOLOv4的口罩佩戴检测

![build](https://img.shields.io/badge/build-passing-success)

![build](https://img.shields.io/badge/python-v3.7-ff68b4)

![build](https://img.shields.io/badge/pytorch-1.4.0-orange)

![build](https://img.shields.io/badge/license-GPL-blue)

本项目是利用YOLOv4进行口罩佩戴检测，使用PyTorch实现。虽然现在国内疫情基本得到有效遏制，但防控仍不可过于松懈，在一些公共场合佩戴口罩还是必不可少的。基于此，自己做了该项目，后续打算继续改进，争取将其运行到边缘设备上。希望本项目能给疫情常态化防控出一份力，也希望真正的新年早日到来。

数据集一部分来源于参考部分，另一部分为自己手动收集与标注，共1200张训练集，600张口罩佩戴，600张未佩戴口罩；400张测试集，200张口罩佩戴，200张未佩戴口罩。利用YOLOv4在数据集上冻结backbone训练了25个epoch，解冻后再训练了25个epoch，测试mAP为80.75%。检测效果如下：

![testImage_result](testImage_result.png)

在NVIDIA GeForce RTX 2080 Ti上FPS大概能达到13左右。

## 目录

- [基于PyTorch&YOLOv4的口罩佩戴检测](#基于pytorchyolov4的口罩佩戴检测)

  - [目录](#目录)

  - [安装](#安装)

    - [数据集](#数据集)

    - [依赖库](#依赖库)

    - [模型权重](#模型权重)

  - [使用](#使用)

    - [检测图片](#检测图片)

    - [检测视频](#检测视频)

    - [训练](#训练)

    - [评估](#评估)

  - [其他](#其他)

    - [目前进展](#目前进展)

    - [训练&评估结果](#训练评估结果)

  - [参考](#参考)

  - [License](#license)

## 安装

### 数据集

[链接](https://pan.baidu.com/s/12lynrRjSlNkkWeB3lKAlMw)  提取码：cgp1

### 依赖库

- Python >= 3.7

- PyTorch >= 1.4.0

- opencv-python >= 4.2.0.32

- Pillow >= 7.0.0

### 模型权重

  -  COCO数据集预训练模型：[链接](https://pan.baidu.com/s/1JDclXgxDmA06Mv6hrRB5Sw)  提取码：cp4g

  - 本项目训练权重：[链接](https://pan.baidu.com/s/1opAbsydKnS1WWN9rgaH5IA)  提取码：kk47

## 使用

### 检测图片

使用Jupyter Notebook打开predict.ipynb，设置好图片路径后，运行detect_image()函数即可。

### 检测视频

使用Jupyter Notebook打开predict.ipynb，设置好视频路径后，运行detect_video()函数即可。

### 训练

下载预训练模型：

- COCO数据集预训练模型：[链接](https://pan.baidu.com/s/1JDclXgxDmA06Mv6hrRB5Sw)  提取码：cp4g

- 本项目训练权重：[链接](https://pan.baidu.com/s/1opAbsydKnS1WWN9rgaH5IA)  提取码：kk47

使用Jupyter Notebook打开train.ipynb，设置好数据路径、模型路径以及超参数后，即可进行训练。

### 评估

使用Jupyter Notebook打开eval.ipynb，设置好测试集路径后，运行即可生成detection-results和ground-truth。

再运行mAP目录下的main.py，即可计算mAP等结果。

  

## 其他

### 目前进展

- [x] CSPDarknet53

- [x] SPP、PAN

- [x] Mosaic数据增强

- [x] Label Smoothing

- [x] CIOU

- [x] 学习率余弦变化

- [x] Mish激活函数

### 训练&评估结果

![trainloss](total_loss.png)

![mAP](mAP/output/mAP.png)

## 参考

- 部分数据集来源：

  - https://github.com/hikariming/virus-mask-dataset

  - https://www.kesci.com/home/dataset/5e958c69e7ec38002d033362

- YOLOv4 PyTorch基于：https://github.com/bubbliiiing/yolov4-pytorch

- mAP计算：https://github.com/Cartucho/mAP

## License

[GPL](https://github.com/Bil369/MaskDetect-YOLOv4-PyTorch/blob/master/LICENSE) © [Bil369](https://github.com/Bil369)