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：
在NVIDIA GeForce RTX 2080 Ti上FPS大概能达到13左右。
链接 提取码：cgp1
- Python >= 3.7
- PyTorch >= 1.4.0
- opencv-python >= 4.2.0.32
- Pillow >= 7.0.0
使用Jupyter Notebook打开predict.ipynb，设置好图片路径后，运行detect_image()函数即可。
使用Jupyter Notebook打开predict.ipynb，设置好视频路径后，运行detect_video()函数即可。
下载预训练模型：
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。
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。
- CSPDarknet53
- SPP、PAN
- Mosaic数据增强
- Label Smoothing
- CIOU
- 学习率余弦变化
- Mish激活函数
- 部分数据集来源：
- YOLOv4 PyTorch基于：https://github.com/bubbliiiing/yolov4-pytorch
- mAP计算：https://github.com/Cartucho/mAP