# Masks

**Repository Path**: bruce-9614/masks

## Basic Information

- **Project Name**: Masks
- **Description**: No description available
- **Primary Language**: Java
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-23
- **Last Updated**: 2025-07-08

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Masks

#### 介绍
本项目是我为了完成仲恺-数科-22级信计专业的数据挖掘课程的课程设计而创建的，项目基于YOLOv8s实现了一个简单的口罩检测系统，目前共训练了12次，平均每轮次数为100轮（大概），能够对图片和视频中佩戴口罩的人员进行检测。项目包含数据集准备、模型训练、模型评估和目标检测等功能。

#### 项目结构
````
.
├── Datas
│   ├── all_mask              # 原始口罩数据集
│   ├── new_mask_data         # 新增的口罩数据集
│   └── mask_dataset          # 处理后的数据集，包含训练集和验证集
│       ├── train             # 训练集
│       │   ├── images        # 训练集图像
│       │   └── labels        # 训练集标签
│       └── val               # 验证集
│           ├── images        # 验证集图像
│           └── labels        # 验证集标签
├── runs
│   └── detect                # 训练结果保存目录
├── Test                      # 待检测的图片/视频目录
├── Results                   # 检测结果保存目录
├── data.yaml                 # 数据集配置文件
├── prepare_dataset.py        # 数据集准备脚本，划分训练集和验证集
├── find_latest_run.py        # 查找最新的训练结果目录
├── train.py                  # 模型训练和评估脚本
├── dataset_statistics.py     # 数据集统计脚本，绘制统计直方图
├── detect.py                 # 目标检测脚本，对图片和视频进行检测
├── create_config.py          # 创建数据集配置文件
└── requirements.txt          # 项目依赖文件
````

#### 安装教程
1.  在运行本项目之前，请确保你已经创建并激活了 Anaconda 虚拟环境 Masks_env(非必要，但是推荐这样做，可以使该项目有专属开发环境而不受其他项目影响)。
2.  然后，配置项目使用Anaconda 虚拟环境 Masks_env
3.  然后，在根目录中直接使用此命令安装项目所需的依赖： pip install -r requirements.txt

#### 各文件功能解释
1.  数据相关<br>
    prepare_dataset.py：将 Datas/all_mask 和 Datas/new_mask_data 中的数据划分成训练集和验证集，并复制到 Datas/mask_dataset 目录下。<br>
    create_config.py：创建 data.yaml 配置文件，指定数据集的路径和类别信息。<br>
    dataset_statistics.py：统计训练集和验证集中戴口罩和未戴口罩的样本数量，并绘制统计直方图。
2.  模型相关<br>
    find_latest_run.py：查找 runs/detect 目录下最新的训练结果目录。<br>
    train.py：训练 YOLOv8 模型，支持继续训练和从头开始训练。训练完成后，会评估模型的 mAP 值，并选择最佳模型。 <br>
    detect.py：使用训练好的模型对图片和视频进行目标检测，并将结果保存到 Results 目录下。<br>

#### 使用说明
1.  准备数据集 运行prepare_dataset.py准备数据集：
2.  训练模型 运行train.py训练模型：
3.  进行目标检测 运行detect.py进行目标检测：
4.  查看数据集统计信息 运行dataset_statistics.py查看数据集统计信息并绘制直方图：

#### 注意事项
1.  请确保 Datas/all_mask 和 Datas/new_mask_data 目录中包含图片和对应的标签文件（.txt 文件且数据符合YOLO格式）。
2.  在训练模型之前，请确保 data.yaml 配置文件中的路径信息正确。 
3.  如果需要继续训练之前的模型，请确保 runs/detect 目录下存在最新的训练结果。

#### 参与贡献
1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request