【GitHub开源项目实践】人脸口罩检测
昨天在GitHub上看到一个有趣的开源项目,它能检测我们是否有戴口罩,跑起程序测试后,发现识别率挺高的,也适应不同环境;于是分享给大家。
首先感谢AIZOOTech 的开源项目--FaceMaskDetection ????
测试环境
windows 系统; 软件:pyCharm; 使用模型:tenforflow ;
先看一下效果:
检测出帅气的胡歌没有带口罩。红色框框是圈出人脸部分,上方的字体:NoMask ,准确率 1 (即有100%把握认为没带口罩)
如果在多人的情况下,能检测出来吗?
不错不错,这个模型能同时检测多人的,并且准确高。
有人带口罩,有人没带口罩,能检测出来吗?
哇,这个模型很棒。检测出带口罩大叔,和两个没带口罩的小伙子。
大家先到网页体验一下呀
https://aizoo.com/face-mask-detection.html
下面介绍一下此项目:
1)支持5大主流深度学习框架(PyTorch、TensorFlow、MXNet、Keras和Caffe),已经写好接口了;可以根据自身的环境选择合适的框架,比如:TensorFlow;所有模型都在models
文件夹下。
2)公开了进8000张的人脸口罩数据和模型,数据集来自于WIDER Face和MAFA数据集, 重新修改了标注并进行了校验(主要是 MAFA和WIDER Face的人脸位置定义不一样,所以进行了修改标注)并将其开源出来。
需要数据的朋友可以去拿,放到了网盘:https://pan.baidu.com/s/1eV07j2Vi8h3mn9X7xUKSgw
提取码:45ku
模型结构
在本项目中使用了SSD类型的架构,为了让模型可以实时的跑在浏览器以及终端设备上,我们将模型设计的非常小,只有101.5万个参数。模型结构在本文附录部分。
本模型输入大小为260x260,主干网络只有8个卷积层,加上定位和分类层,一共只有24层(每层的通道数目基本都是32\64\128),所以模型特别小,只有101.5万参数。模型对于普通人脸基本都能检测出来,但是对于小人脸,检测效果肯定不如大模型。具体效果,大家可以点击以下链接,访问我们的网站在线体验效果。 aizoo.com跑在您浏览器的口罩检测模型
网页使用了Tensorflow.js库,所以模型是完全运行在浏览器里面的。运行速度的快慢,取决于电脑配置的高低。
模型在五个卷积层上接出来了定位分类层,其大小和anchor设置信息如下表.
工程包目录结构分析
GitHub工程包下载:https://github.com/AIZOOTech/FaceMaskDetection
下载完FaceMaskDetection压缩包后,解压后如下图:
如果觉得工程包在GitHub下载太慢了,有时下载中断,可以到我网盘中拿:
https://pan.baidu.com/s/1h_cw4XYwYw5y5aaIz0CI6Q 提取码:240d
如何运行程序
以 tenforflow 模型为例子
如果想运行图片:
python tenforflow_infer.py --img-path /path/to/your/img
比如,img目录中作者放了一些图片的,选择demo2.jpg
python tenforflow_infer.py --img-path img/demo2.jpg
运行结果:
如果想运行运行视频
python pytorch_infer.py --img-mode 0 --video-path /path/to/video
/path/to/video 为视频所在的路径+视频名
如果想实时使用摄像头检测
python pytorch_infer.py --img-mode 0 --video-path 0
这里的0 ,代表在电脑中设备号;0默认为电脑自带的摄像头;
如果想使用外接摄像头,可以改为1 (比如:外接上一个USB摄像头)
测试集PR曲线
因为WIDER face是一个任务比较复杂的数据集,模型又设计的非常小,所以对于人脸的PR曲线并不是那么性感。这点可以通过设计大模型来提升对于小人脸的检测效果。
再次感谢AIZOOTech 的开源项目--FaceMaskDetection