介绍

yolov5进行佩戴口罩识别，并利用fastapi进行web端的部署

训练

训练可以在个人电脑（如果性能好的话） ，其它：GoogleColab 、 Openbayes 或者其它更多的GPU训练平台。

1. 下载yolov5

2. 下载Mask数据集：下载1 、 下载2 、 下载3（wja4）

3. 修改yolov5/models/yolov5s.yaml，将原来的nc: 80改为nc: 2

yolov5有yolov5s.yaml 、 yolov5m 、yolov5l 、yolov5x等几个模型，这里我们采用最轻量级的5s，所以修改5s的配置文件。关于为什么改成2？因为我们的口罩数据集只有mask和no-mask两个分类。

4. 训练：

!python train.py --data ../mask/data.yaml --cfg models/yolov5s.yaml --weights '' --batch-size 64

在GoogleColab上运行会报一个错，我们升级下相应模块就可以：

pip install -U pyyaml

5. 模型测试：

$ python detect.py --weights 你的模型文件保存位置 --source 0  # webcam
						file.jpg  # image 
						file.mp4  # video
						path/  # directory
						path/*.jpg  # glob
						rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa  # rtsp stream
						rtmp://192.168.1.105/live/test  # rtmp stream
						http://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8  # http stream

部署

安装必要的包：

fastapi
aiofiles
uvicorn
python-multipart

部署的代码包括yolov5/server.py 、 yolov5/predict.py 、 yolov5/inference ，部署代码一点要放在yolov5文件夹下。修改部署代码的模型位置既可以。

python server.py

参考

• 使用google colab训练YOLOv5模型：https://xugaoxiang.com/2020/11/01/google-colab-yolov5/
• yolov5：https://github.com/ultralytics/yolov5
• fastapi部署yolov5：https://github.com/Frank1126lin/deploy_yolov5_with_fastapi