yolov4实现口罩佩戴检测,在验证集上做到了0.954的mAP
向AI转型的程序员都关注了这个号👇👇👇
机器学习AI算法工程 公众号:datayx
基于yolov4实现口罩佩戴检测,在验证集上做到了0.954的mAP。
环境要求
keras==2.1.6
tensorflow-gpu==1.10.0
代码,模型文件,数据集 获取方式:
关注微信公众号 datayx 然后回复 口罩 即可获取。
训练
需要下载yolo_weights.h5到model_data文件夹下。
下载数据集。
通过VOCdevkit/split.py将数据集的图片和标注分开放到两个文件夹,然后将划分好的数据移动到VOC2007文件夹下。
运行VOCdevkit/VOC2007/voc2yolo4.py生成数据的索引文件。
运行voc_annotation.py生成训练文件(默认为2007_voc.txt)。
运行train.py。单张2080ti耗时约20h。
预测
要检测图片需要有一个模型权重文件,然后直接运行predict.py,只需要输入图片路径即可实现对图片的检测。
要获取模型权重文件有两种方法,一个是跑一遍训练过程,另一个是直接下载我训练好的模型权重。
效果展示
机器学习算法AI大数据技术
搜索公众号添加: datanlp
长按图片,识别二维码
阅读过本文的人还看了以下文章:
基于40万表格数据集TableBank,用MaskRCNN做表格检测
《深度学习入门:基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习:基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》,加州伯克利深度学习(2019春)教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目,让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分?
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南:CNN、RNN及使用技巧速查(打印收藏)
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加: datayx