yolov5口罩检测详细过程

YOLOv5 基于 PyTorch 框架实现，是一种目标检测算法。对于口罩检测任务，我们可以通过以下步骤使用 YOLOv5 进行口罩检测：

1. 安装依赖库

首先需要安装 PyTorch 以及其他依赖库，可以使用以下命令进行安装：

pip install torch torchvision opencv-python numpy

2. 下载 YOLOv5 模型

可以使用以下命令下载 YOLOv5 模型：

import torch

model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)

其中，`yolov5s` 是模型的名称，`pretrained=True` 表示加载预训练权重。

3. 加载测试图片

接下来需要加载测试图片，可以使用 OpenCV 库加载图片：

import cv2

img = cv2.imread('test.jpg')

4. 进行口罩检测

调用 YOLOv5 模型进行口罩检测，可以使用以下代码：

results = model(img)

检测结果保存在 `results` 变量中。

5. 处理检测结果

对于口罩检测任务，我们只需要关注 `with_mask` 类别的预测结果，可以通过以下代码获取检测结果：

prediction = results.pred[0]
mask_indices = np.where(prediction[:, 5].cpu().numpy().astype(int) == 1)[0]
mask_boxes = prediction[mask_indices, :4].cpu().numpy()
mask_scores = prediction[mask_indices, 4].cpu().numpy()

其中，`prediction` 变量保存了所有预测结果，`mask_indices` 变量保存了所有类别为 `with_mask` 的预测结果的索引，`mask_boxes` 变量保存了所有类别为 `with_mask` 的预测框坐标，`mask_scores` 变量保存了所有类别为 `with_mask` 的预测结果的置信度。

6. 绘制检测结果

最后，可以使用 OpenCV 库将口罩检测结果绘制在测试图片上：

class_names = ['without_mask', 'with_mask']

for box, score in zip(mask_boxes, mask_scores):
    x1, y1, x2, y2 = box.astype(int)
    label = '{}: {:.2f}'.format(class_names[1], score)
    cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2)
    cv2.putText(img, label, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)

cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

其中，`class_names` 变量保存了所有类别的名称。对于类别为 `with_mask` 的预测结果，我们将其绘制为绿色框，并在框上显示置信度和类别名称。

以上就是使用 YOLOv5 进行口罩检测的详细过程。