文章目录

1. 制作数据集
- 1.1 安装数据集制作工具
- 1.2 运行数据集制作工具
- 1.3 制作数据集
2. 使用数据集
- 2.1 下载口罩数据集
- 2.2 分割数据集
- 2.3 数据集配置
3. 训练模型
- 3.1 下载预训练模型
- 3.2 修改训练代码
- 3.3 训练模型
4. 模型测试
- 4.1 拷贝测试代码
- 4.2 修改测试代码
- 4.3 运行测试代码
5. 问题
- 5.1 错误：FileNotFoundError: [Errno 2] No such file or directory
- 5.2 错误：ModuleNotFoundError: No module named 'tensorboard'
- 5.3 错误：If reserved memory is >> allocated memory

1. 制作数据集

1.1 安装数据集制作工具

执行如下命令安装数据集制作工具labelimg

pip install labelimg

1.2 运行数据集制作工具

执行命令labelimg，运行数据集制作工具

labelimg工具界面如下:

1.3 制作数据集

点击Open Dir按钮，打开待制作的图片文件（尽量将图片放置在images目录下，方便后面分割数据集）
点击左侧的模式切换按钮，将数据模式从PascalVOC切换到YOLO模式
绘制box框，并指明标签
点击createBox按钮，绘制矩形边框，并设置标签文本（无口罩）。
点击Save按钮，保存样本标签信息（尽量将标签文件放置在labels文件夹下，方便后面进行数据分割）
点击Next Image按钮，对下一幅图像进行处理（有口罩）

之后点击save按钮，保存样本标签信息（标签信息尽量保存在labels文件夹下）
逐一图片进行处理，即可完成数据集制作

2. 使用数据集

2.1 下载口罩数据集

如果不想制作数据集，可以下载口罩数据集(点击下载，密码：sv74)，并将数据集解压到项目根目录下（mask为数据集目录）。

2.2 分割数据集

下载数据集分割代码(点击下载)，将其放在mask目录下，执行data_split.py，将数据集分割成训练数据集和验证数据集。分割后，数据集目录结构如下：

可以调整data_split.py中的TRAIN_RATIO = 80，来指明训练数据集和验证数据比例。

2.3 数据集配置

复制data目录下的coco.yaml,另存为mask.yaml,并修改其内容。修改后内容如下：


train: ./mask/train.txt
val: ./mask/val.txt nc: 2names: [ 'no-mask', 'mask' ]

3. 训练模型

3.1 下载预训练模型

下载预训练模型(点击下载),将其放置在项目根目录中。

3.2 修改训练代码

复制一份train.py，并重命名为train_mask.py.

打开train_mask.py，修改如下几项配置：

预训练模型名称

parser.add_argument(‘–weights’, type=str, default=‘yolov7_training.pt’, help=‘initial weights path’)

数据集路径

parser.add_argument(‘–data’, type=str, default=‘data/mask.yaml’, help=‘data.yaml path’)

训练轮数(默认300，时间比较久，可能需要数小时甚至数天)

parser.add_argument(‘–epochs’, type=int, default=100)

修改模型输出路径

parser.add_argument(‘–project’, default=‘runs/train/mask’, help=‘save to project/name’)

调整每批处理的图片数量（如果显卡内存较小，建议将值修改为2或者4）

parser.add_argument(‘–batch-size’, type=int, default=2, help=‘total batch size for all GPUs’)

3.3 训练模型

运行train_mask.py，进行模型训练。大概到20轮左右，模型识别精度能达到95%以上。

runs\train\mask\exp11\weights\best.pt即为最佳模型参数。

可以将best.pt拷贝到项目根目录中，并重命名为yolov7_mask.pt，方便之后使用.

4. 模型测试

4.1 拷贝测试代码

复制测试代码文件test.py，并重命名为test_mask.py

4.2 修改测试代码

修改模型参数文件

parser.add_argument(‘–weights’, nargs=‘+’, type=str, default=‘yolov7_mask.pt’, help=‘model.pt path(s)’)

修改数据集路径

parser.add_argument(‘–data’, type=str, default=‘data/mask.yaml’, help=‘*.data path’)

修改测试项目名称

parser.add_argument(‘–project’, default=‘runs/test/mask’, help=‘save to project/name’)

4.3 运行测试代码

运行代码test_mask.py，运行日志如下：

运行结果如下（在runs/test/mask/exp目录下）：

5. 问题

5.1 错误：FileNotFoundError: [Errno 2] No such file or directory

如果pip install 安装软件时，提示FileNotFoundError: [Errno 2] No such file or directory错误，需要执行以下命令更新pip和安装工具。

pip install --upgrade setuptools
python -m pip install --upgrade pip

5.2 错误：ModuleNotFoundError: No module named ‘tensorboard’

如果出现错误：ModuleNotFoundError: No module named ‘tensorboard’，则执行pip install tensorboard安装该类库即可。

5.3 错误：If reserved memory is >> allocated memory

如果出现内存不足，调整batch-size即可，调整方法详见3.2节。

YOLO7 口罩识别实战相关推荐

基于OpenCV实现口罩识别
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达昨天在GitHub上看到了一个开源的项目,是利用深度学习来检测是否 ...
基于深度学习的口罩识别与检测PyTorch实现
基于深度学习的口罩识别与检测PyTorch实现 1. 设计思路 1.1 两阶段检测器:先检测人脸,然后将人脸进行分类,戴口罩与不戴口罩. 1.2 一阶段检测器:直接训练口罩检测器,训练样本为人脸的标注 ...
实战：人脸识别实战项目（源码共享）
首先我想问个问题:现在什么工程师最值钱? 毫无疑问,我想超 90% 的都会说:人工智能工程师.也难怪,随着近几年人工智能的发展,已经逐渐渗透到了各个领域,比如:医疗.教育.机械自动化.个性化推荐.信息 ...
免费直播：1小时带你体验Python车牌识别实战
Python基础学会了,实战又是爬虫?太枯燥? 别无聊,CSDN学院邀请章秀淞老师开设技术直播课:1小时带你体验车牌识别实战.让你从众多车中,能用Python技术找到夏树上的那辆叔叔的奔驰车牌(玩笑) ...
AI实战：人脸识别实战项目（源码共享）
首先我想问个问题:现在什么工程师最值钱? 毫无疑问,我想超 90% 的都会说:人工智能工程师.也难怪,随着近几年人工智能的发展,已经逐渐渗透到了各个领域,比如:医疗.教育.机械自动化.个性化推荐.信息 ...
【项目实战课】基于Pytorch的3DCNN视频分类与行为识别实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的3DCNN视频分类与行为识别实战>. 所谓项目实战课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个主题,进行代 ...
【项目实战课】AI零基础，人人免费可学！基于Pytorch的SimpleNet人脸表情识别实战...
欢迎大家来到我们的项目实战课,本期内容是<基于SimpleNet的人脸表情识别实战>,本次内容面向任意AI基础的读者,人人皆可免费学习. 所谓项目实战课,就是以简单的原理回顾+详细的项目实 ...
【项目实战课】基于Pytorch的MTCNN与Centerloss人脸识别实战
欢迎大家来到我们的项目实战课,本期内容是<基于Pytorch的MTCNN与Centerloss人脸识别实战>. 所谓项目实战课,就是以简单的原理回顾+详细的项目实战的模式,针对具体的某一个 ...
免费GPU支持！口罩识别、安全帽识别算法赛同步开启，丰厚奖品等你来战！
2020年,极市隆重推出 [极市平台视觉算法季度赛] ,旨在邀请广大视觉开发者用算法解决实际问题,第一季算法赛于2020年3月3日正式启动! 本次活动由极视角主办.英特尔联合主办,由UCloud提供技 ...

YOLO7 口罩识别实战