面罩检测应用采用经过专门定制训练的YOLOv4模型

面罩检测 :face_with_medical_mask: 使用从Darknet转换为TensorFlow的经过定制培训的YOLOv4模型的面罩检测应用程序。 使用的数据集 :file_folder: 用于训练的数据集来自 。 它包含属于3类的853张图像，以及它们的PASCAL VOC格式的边框，这些边框后来被转换为文本格式（.txt），以在Darknet框架中使用。 它包括3个类： 带口罩 不带口罩 口罩戴不正确 检测模型 :mage: 使用的检测模型是YOLOv4 。 Yolo（您只看一次）是最快的异物检测算法之一。 它可以实时提供物体检测。 这些是在Darknet中训练的自定义YOLOv4模型的配置和指标。 使用了COCO数据集中使用的基线权重。 纪元数： 3000 学习率： 0.001 宽度和高度： 416x416 班级数量： 3 平均平均精度（mAP）：数据集上的87.02％ 。 按类别的指标 :chart_decreasing: 班级 平均精度（AP） 真正（