• PyTorch
• TensorFlow（包含tflite模型和pb模型）
• Keras
• MXNet
• Caffe

检测人脸并判断是否佩戴了口罩， 并开源近8000张人脸口罩标注数据

Detect faces and determine whether they are wearing mask.

首先，祝愿我国和世界各国早日战胜新冠肺炎疫情，武汉加油！**加油！

• 我们开源了人脸口罩检测的所有主流框架（PyTorch、TensorFlow、Keras、MXNet和caffe）（使用keras训练的模型，并转换得到的其他框架模型），并提供了所有五大框架的的推理代码。所有模型都在models文件夹下。

• 开源了标注的7959张人脸标注图片，数据集来自于WIDER Face和MAFA数据集, 我们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，所以我们进行了修改标注)并将其开源出来。（有需要的朋友，敬请关注我们新建的公众号AIZOO（本文末也有二维码，可以扫描关注），回复口罩数据集就可以了。公众号刚开，恳请大家帮忙关注和扩散一下～）

我们在本项目中使用了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您浏览器里面的。运行速度的快慢，取决于您电脑配置的高低。

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.

如果您要运行图片：

python pytorch_infer.py  --img-path /path/to/your/img

如果您要在视频上跑，只需要：

python pytorch_infer.py --img-mode 0 --video-path /path/to/video  
# 如果要打开本地摄像头, video_path填写0就可以了，如下
python pytorch_infer.py --img-mode 0 --video-path 0

另外四大框架运行方法基本类似，只不过将pytorch_infer.py中pytorch的换成对应框架名字即可即可，以TensorFlow为例：

python tensorflow_infer.py  --img-path /path/to/your/img

注意，对于caffe的推理，我们使用了permute层，所以需要使用caffe-ssd，也就是SSD作者开源的caffe版本，官方版本的caffe并不包含permute层。您也可以使用opencv的dnn模块来加载模型推理，opencv支持permute层。

不过如果您需要可以在官方版本的caffe上可以运行的模型，也可以联系我们修改模型，实现不需要permute层的模型。

欢迎AI圈和科技圈的朋友关注我们的公众号，这是我们分享AI技术和资讯的地方。我们要做的事情是搭建开发者和AI算法和产品需求方的一个桥梁，欢迎有AI算法需求的朋友关注我们，也欢迎有熟练算法和开发经验的工程师添加我们，与我们交流。

如果你有任何问题，欢迎关注我们的公众号，通过后台给我留言，或者添加作者元峰的微信AIZOOTech与我联系 ，我会将您拉入AIZOO技术交流群。 我们的技术交流群二维码，欢迎算法开发者和需求方进群交流，请输入备注，例如张三丰-浙大-目标检测或者张三丰-腾讯-图像分割

为了可视化方便，我们省略了BN层，如果您要查看完整模型，可以查看img文件夹的face_mask_detection.hdf5.png图片

因为WIDER face是一个任务比较复杂的数据集，我们的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，如果您有需求，欢迎通过上述二维码联系我们。

欢迎大家点击链接在线体验

aizoo.com跑在您浏览器的口罩检测模型