【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