YOLO7 口罩识别实战
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 ...
最新文章
- 【合并单元格】纵向合并单元格之前对数组处理【针对饿了么element的table的span-method合并行或列的计算方法】
- 批着DDD,实则是以数据库为中心------数据库已死
- html5新特性 移除哪些,html5\CSS3有哪些新特性、移除了哪些元素?如何处理HTML5新标签的浏览器兼容问题?如何区分HTML和HTML5?...
- SQL Server中EXISTS结构
- NeurIPS 2018 | 腾讯AI Lab:可自适应于不同环境和任务的强化学习方法
- JS脚本病毒调试脚本-Trojan[Downloader]:JS/Nemucod
- opensource项目_Opensource.com的写作主题从A到Z
- CSS样式之内容居中方法
- move_uploaded_file返回false但实际成功_023 Spring Boot 搭建实际项目开发框架
- 【激光雷达3D】【论文翻译】PointPillars: Fast Encoders for Object Detection from Point Clouds
- JasperReports 5.0.1 发布,Java 报表工具
- java db4o,DB4O--java对象数据库
- 【ZBrush笔刷】实用笔刷和Alpah下载,及笔刷使用方法
- (转)高盛报告:人工智能、机器学习和数据将推动未来生产力的发展
- Postgresql逻辑复制报错could not start WAL streaming: ERROR: replication slot “x“is active for PID xxx
- 未收到服务器返回信息吗,inode 未收到服务器回应
- load函数matlab,『matlab load函数的用法』如何把matlab中的数据导到excel表格中
- 18uec++多人游戏【服务器为两个角色发枪,并能在线开枪】
- 《第七周RFID作业》物联112118 林家辉
- go build解决missing go.sum.entry