口罩检测

口罩检测数据集来源：https://www.bilibili.com/video/av88696686?t=115
口罩检测模型：https://github.com/zzh8829/yolov3-tf2

模型使用：

1. 数据集更改
   将所有图片放到一个文件夹，重命名文件，修改xml文件中filename
   修改./data/voc2012.names中的名称为have_mask和no_mask
2. 模型修改
   由于磁盘空间有限，在train.py中的modelcheckpoint中添加参数，save_best_only=True
3. 数据集生成
   分别生成train和val

   python tools/voc2012.py \
     --data_dir './data/voc2012_raw/VOCdevkit/VOC2012' \
     --split train \
     --output_file ./data/voc2012_train.tfrecord
   
   python tools/voc2012.py \
     --data_dir './data/voc2012_raw/VOCdevkit/VOC2012' \
     --split val \
     --output_file ./data/voc2012_val.tfrecord

4. 模型训练
   迁移学习

   wget https://pjreddie.com/media/files/yolov3.weights -O data/yolov3.weights
   python convert.py
   python detect.py --image ./data/meme.jpg # Sanity check
   
   python train.py \
   	--dataset ./data/voc2012_train.tfrecord \
   	--val_dataset ./data/voc2012_val.tfrecord \
   	--classes ./data/voc2012.names \
   	--num_classes 2 \
   	--mode fit --transfer darknet \
   	--batch_size 16 \
   	--epochs 10 \
   	--weights ./checkpoints/yolov3.tf \
   	--weights_num_classes 80 

随机初始化

python train.py \
	--dataset ./data/voc2012_train.tfrecord \
	--val_dataset ./data/voc2012_val.tfrecord \
	--classes ./data/voc2012.names \
	--num_classes 2 \
	--mode fit --transfer none \
	--batch_size 16 \
	--epochs 10 \

可以在迁移学习冻结darknet主题部分之后，不冻结再次训练
batch_size要尽量小，不然会爆显存

5. 预测

python detect.py --classes ./data/voc2012.names --num_classes 2 --weights ./checkpoints/yolov3_train_2.tf --image ./data/street.jpg

6. 实时检测