项目简介
-
工程目的： 纯手撸 YOLO v3， 实现对口罩的检测。
-
训练素材：来自 B站 UP炮哥带你学
注意：
- 由于 GitHub 上的 yolo v3 实现 偏向实际应用，其代码实现不利于学习，因此，本项目着重于对 yolo v3 原理的复现，一些花里胡哨的功能就全部忽略掉了（例如，原项目中的
.cfg配置文件）。- 本项目中给出的模型权重参数（在
weightsBackup文件夹里），由于训练次数少、训练素材少，模型复现简化等原因，其精度并不是很好，但是能玩 ( *︾▽︾)。- 由于本人是外行，能力有限，若发现存在偏差，不用怀疑，那肯定是我的问题，请多多包涵 ( •̀ ω •́ )✧
项目运行
- 环境需求：
- Python
- PyTorch
- OpenCV
- 运行： 下载项目工程后，直接运行对应的 .py 文件即可。默认是启动了
GPU，如有需要，请在config中修改相关配置
目录结构
Terminal
$tree detectMask/
.
├── ManageData/
│ └── Datasets.py
├── Model/
│ ├── Loss.py
│ └── Network.py
├── Utils/
│ ├── BoxProcess.py
│ ├── ImageProcess.py
│ └── PostProcess.py
├── asset/
│ ├── images/
│ ├── testSet/
│ │ ├── test_images/
│ │ └── test_labels/
│ ├── trainSet/
│ │ ├── train_images/
│ │ └── train_labels/
│ ├── videos/
│ ├── weights/
│ └── weightsBackup/
└── config/
├── detectImage.py
├── detectVideo.py
└── train.py
ManageData：训练集与测试集的数据管理模块Model：Darknet 53 模型的实现；yolo v3 损失函数的实现Utils：工具模块- BoxProcess：外接矩形相关处理函数
- ImageProcess：图片展示、变换、绘制文字与外接矩形等相关处理函数
- PostProcess：极大值抑制得到最终预测结果；模型评价指标计算 precision , recall , ap
asset：存放模型测试与训练相关的视频、图片、模型权重文件资源。- images 与 videos：用来测试模型的图片与视频
- trainSet：模型训练的训练集
- testSet：模型训练的测试集
- weights：模型训练过程中，保存的权重参数
- weightsBackup：备份的权重参数
config：模型的配置参数- train.py：训练模型
- detectImage.py：利用图片进行模型测试
- detectVideo.py：利用视频进行模型测试