首先进行图片的读取，使用opencv的haar鼻子特征分类器，如果检测到鼻子，则证明没有戴口罩。如果没有检测到鼻子，接着使用opencv的haar眼睛特征分类器，如果没有检测到眼睛，则结束。如果检测到眼睛，则把RGB颜色空间转为HSV颜色空间。进行口罩区域的检测。口罩区域检测流程是首先把距离坐标原点的较近的横坐标作为口罩区域开始横坐标，离坐标原点较远的横坐标作为口罩区域结束横坐标。离坐标原点较远的纵坐标作为口罩区域开始纵坐标，离坐标原点较远的纵坐标与眼睛高度2倍的和作为口罩区域结束纵坐标。
2022-12-26 19:31:33
1.68MB
1
基于 Tensorflow 的人脸口罩识别系统的设计与实现.pdf基于 Tensorflow 的人脸口罩识别系统的设计与实现.pdf脸口罩识别系统的设计与实现.pdf
2022-10-19 11:00:31
884KB
1
约4000张不带口罩的人脸图片+4000张带口罩的人脸图片，含标注文件，符合YOLOv5格式，可直接训练。
2022-10-18 12:05:18
756.65MB
内容概况：
使用CelebA数据集中戴口罩和没戴口罩的图像作为训练样本对模型进行训练。在测试时对笔记本摄像头拍摄的人脸进行判断，标记出是否戴了口罩。
采用三种方法：
实现方法一：CNN卷积神经网络训练模型实现口罩识别；
实现方法二：Python+opencv训练分类器实现人脸口罩检测；
实现方法三：yolov5训练目标检测模型实现人脸口罩识别。
试用人群：
大学生（人工智能导论课程），人脸口罩识别三级项目
阅读建议：
含有完整的报告格式，含有运行截图，代码截图，并附加教程网址
2022-10-03 12:05:32
2.42MB
1
YOLOv5 人脸口罩图片数据集，YOLOv5 人脸口罩图片数据集，YOLOv5 人脸口罩图片数据集。约4000张不带口罩的人脸图片+4000张带口罩的人脸图片，含标注文件，符合YOLOv5格式，可直接训练。
2022-05-31 16:07:06
755.86MB
人工智能-项目实践-图像识别-基于 MobileNetV2 的人脸口罩检测识别
基于 tf.keras 的训练模型 MobileNetV2 搭建一个深度卷积神经网络进行人脸口罩检测识别, 使用 1070Ti 训练 15 个 epoch 准确率达 96%.
环境
Python 3.7
tensorflow 2.2.0
CUDA Version 10.1.243
数据集
数据集全部来自于网络公开数据.
2022-05-23 12:05:50
35.21MB
本教程目的为让开发者了解深度学习中的完整流程，这包括：**
1.数据集导入及预处理流程
2.网络模型选择及参数设置流程
3.模型训练及导出流程
4.模型加载/优化并得出推断结果
本教程采用了以下主要的软硬件环境：**
1.NVIDIA Xavier NX
2.Jetpack 4.6
3.TensorRT 8.0.1
4.Pytorch 1.10.0
5.Python 3.6.9
6.Opencv 4.1.1
2022-05-13 12:06:14
744.37MB
1