【项目015】口罩佩戴检测（教学版）学生版 | 返回首页

作者：欧新宇（Xinyu OU）
当前版本：Release v1.0
开发平台：Paddle 2.3.2
运行环境：Intel Core i7-7700K CPU 4.2GHz, nVidia GeForce GTX 1080 Ti
本教案所涉及的数据集仅用于教学和交流使用，请勿用作商用。

最后更新：2022年2月4日

【实验目的】

基本学会使用PaddleDetection完成目标检测任务
能够使用PaddleDetection完成不同模型的训练(train.py)、验证(eval.py)和推理(infer.py)。
学会使用统计表记录训练结果，并初步学会对实验结果进行分析和总结

【数据集及任务要求】

本实验使用 口罩检测（Face）数据集 完成，目的是利用PaddleDetection工具包训练口罩检测模型，判断给定的人物图片是否正确佩戴口罩，该数据集包含with_mask、without_mask、mask_weared_incorrect三个目标类别，共计853张图片。本数据集已经按照7:1:2的比例进行划分，其中训练验证集样本681个（80%），训练集样本595个（70%）, 验证集样本86个（10%）, 测试集样本172个（20%）, 共计853个。

数据集下载地址：https://aistudio.baidu.com/aistudio/datasetdetail/127209

下面给出几个样图：

上图给出了5个人的检测结果，其中4个人佩戴了口罩（with_mask），1个人未佩戴口罩（without_mask）。

上图给出了5个人的检测结果，其中1个人佩戴了口罩（with_mask），2个人未佩戴口罩（without_mask），2个人佩戴不正确（mask_weared_incorrect）。由于模型并非很完善，因此被认定为佩戴不正确（mask_weared_incorrect）的人，同时也被检测为未佩戴（without_mask）口罩。

所有作业均在AIStudio上进行提交，提交时包含源代码和运行结果

【任务一】实验结果统计表

【实验要求】 完成下列三个模型的训练，并完成下面的实验结果统计表（任务一）；

序号	模型名称	Backbone主干网络	初始学习率	test mAP	FPS	with_mask	without_mask	mask_weared_incorred
A	faster_rcnn_r34_fpn_1x_voc	ResNet34	0.001	0.859	12.98	0.929	0.868	0.78
B	ppyolo_mbv3_small_voc	MobileNetv3	0.001	0.375	31.99	0.629	0.374	0.123
C	yolov3_mobilenet_v3_large_ssld_36e_voc	MobileNetv3	0.001	0.347	26.45	0.618	0.273	0.15

【任务二】图像预测

【实验要求】 编写python代码，使用【任务一】中训练获得的模型中的一个，实现对下列三幅图片的推理（infer.py），并在本notebook中进行可视化。（图片可直接从本页面另存到本地）

####### 导入依赖库
import os
import matplotlib.pyplot as plt 
import cv2

####### 设置PaddleDetection工作路径
workspace = 'D:\\Workspace\\MyProjects\\PaddleDetection-release-2.3'
os.chdir(workspace)

####### 1. 执行预测Inference
# 1.1 设置图片路径
img_root = r'D:/WorkSpace/DeepLearning/WebsiteV2/Data/Projects/Project015FaceMaskDetection/'
img_file = ['demo1.png', 'demo2.png', 'demo3.png']  

# 1.2 设置模型路径
model_template1 = 'faster_rcnn_r34_fpn_1x_voc'
model_template2 = 'ppyolo_mbv3_small_voc'
model_template3 = 'yolov3_mobilenet_v3_large_ssld_36e_voc'
model_template = model_template1

# 1.3 设置Inference图像的输出和读取路径
infer_path = os.path.join(workspace, 'output', 'FaceMask')

# 1.4 执行预测脚本
for img in img_file:
    img_path = os.path.join(img_root, img)
    !python tools/infer.py -c configs/FaceMask/{model_template}.yml -o --infer_img={img_path} --output_dir={infer_path}


####### 2. 可视化Inference结果
plt.figure(figsize=(30,12))
ax1 = plt.subplot(1,3,1)
infer_img_path1 = os.path.join(infer_path, img_file[0])
infer_img1 = cv2.imread(infer_img_path1)
ax1.set_title('Demo1')
plt.imshow(cv2.cvtColor(infer_img1, cv2.COLOR_BGR2RGB))
ax2 = plt.subplot(1,3,2)
infer_img_path2 = os.path.join(infer_path, img_file[1])
infer_img2 = cv2.imread(infer_img_path2)
ax2.set_title('Demo2')
plt.imshow(cv2.cvtColor(infer_img2, cv2.COLOR_BGR2RGB))
ax3 = plt.subplot(1,3,3)
infer_img_path3 = os.path.join(infer_path, img_file[2])
infer_img3 = cv2.imread(infer_img_path3)
ax3.set_title('Demo3')
plt.imshow(cv2.cvtColor(infer_img3, cv2.COLOR_BGR2RGB))

    [02/05 00:23:28] ppdet.utils.checkpoint INFO: Finish loading model weights: output/FaceMask/faster_rcnn_r34_fpn_1x_voc/best_model.pdparams
    [02/05 00:23:29] ppdet.engine INFO:  Model FLOPs : 169.055587G. (image shape is [1, 3, 800, 1216])
    [02/05 00:23:29] ppdet.engine INFO: Detection bbox results save in D:\Workspace\MyProjects\PaddleDetection-release-2.3\output\FaceMask\demo1.png
    

    W0205 00:23:26.623592 16568 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 6.1, Driver API Version: 11.1, Runtime API Version: 10.2
    W0205 00:23:26.638058 16568 device_context.cc:465] device: 0, cuDNN Version: 7.6.
    

    [02/05 00:23:36] ppdet.utils.checkpoint INFO: Finish loading model weights: output/FaceMask/faster_rcnn_r34_fpn_1x_voc/best_model.pdparams
    [02/05 00:23:38] ppdet.engine INFO:  Model FLOPs : 164.610672G. (image shape is [1, 3, 800, 1184])
    [02/05 00:23:38] ppdet.engine INFO: Detection bbox results save in D:\Workspace\MyProjects\PaddleDetection-release-2.3\output\FaceMask\demo2.png
    

    W0205 00:23:35.230280 21532 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 6.1, Driver API Version: 11.1, Runtime API Version: 10.2
    W0205 00:23:35.237262 21532 device_context.cc:465] device: 0, cuDNN Version: 7.6.
    

    [02/05 00:23:46] ppdet.utils.checkpoint INFO: Finish loading model weights: output/FaceMask/faster_rcnn_r34_fpn_1x_voc/best_model.pdparams
    [02/05 00:23:47] ppdet.engine INFO:  Model FLOPs : 151.260478G. (image shape is [1, 3, 800, 1088])
    [02/05 00:23:47] ppdet.engine INFO: Detection bbox results save in D:\Workspace\MyProjects\PaddleDetection-release-2.3\output\FaceMask\demo3.png
    

    W0205 00:23:44.671244 18848 device_context.cc:447] Please NOTE: device: 0, GPU Compute Capability: 6.1, Driver API Version: 11.1, Runtime API Version: 10.2
    W0205 00:23:44.678225 18848 device_context.cc:465] device: 0, cuDNN Version: 7.6.

<matplotlib.image.AxesImage at 0x1a37bb7e670>

output_4_7

【任务三】训练日志

【实验要求】 提交模型的训练日志，直接将训练日志粘贴到如下 Markdown Cell 中【诚信考查】 注意每次训练结果均不可能完全一样 （任务二）

【模型一】faster_rcnn_r34_fpn_1x_voc
【模型二】ppyolo_mbv3_small_voc
【模型三】yolov3_mobilenet_v3_large_ssld_36e_voc

【项目015】口罩佩戴检测（教学版） 学生版 | 返回首页

【实验目的】

【数据集及任务要求】

【任务一】 实验结果统计表

【任务二】 图像预测

【任务三】 训练日志

【项目015】口罩佩戴检测（教学版）学生版 | 返回首页

【任务一】实验结果统计表

【任务二】图像预测

【任务三】训练日志