基于yolov5的人脸口罩检测

# FaceMaskDetect 基于yolov5的人脸口罩检测 [English](README_en.md) ## 介绍 基于docker部署pytorch的训练和运行环境，借助yolov5检测算法实现人脸口罩的检测，并通过nvidia-cuda技术进行加速。 ## 用法 我是在Ubuntu 20x系统上使用。 ### 1 安装nvidia驱动 在ubuntu上只需要执行以下命令就可以自动安装N卡驱动。 ```bash $ ubuntu-drivers autoinstall ``` 安装完成后重启系统，并输入以下命令验证驱动是否安装成功。 ```bash $ nvidia-smi ``` 驱动安装成功后就可以看到显卡相关信息。  ### 2 安装docker 按顺序执行以下命令即可在Ubuntu上完成docker的安装。 ```bash $ apt-get update $ apt-get install apt-transport-https ca-certificates curl gnupg-agent software-properties-common $ curl -fsSL https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu/gpg | sudo apt-key add - $ add-apt-repository "deb [arch=amd64] https://mirrors.ustc.edu.cn/docker-ce/linux/ubuntu $(lsb_release -cs) stable" $ apt-get update $ apt-get install docker-ce ``` 如果ubuntu驱动掉了需要删除旧驱动重新安装 ```bash apt-get remove --purge nvidia* apt-get update ubuntu-drivers devices apt install nvidia-driver-470 reboot ``` ### 3 安装nvidia-docker 按顺序执行以下命令即可在Ubuntu上完成nvidia-docker的安装。 ```bash $ curl -sL https://nvidia.github.io/nvidia-docker/gpgkey | sudo apt-key add - $ distribution=$(. /etc/os-release;echo $ID$VERSION_ID) $ curl -sL https://nvidia.github.io/nvidia-docker/$distribution/nvidia-docker.list | sudo tee /etc/apt/sources.list.d/nvidia-docker.list $ sudo apt-get update $ sudo apt-get install nvidia-docker2 ``` 如果是第二次安装，需要将/etc/apt/sources.list.d目录下nvidia开头的文件删掉，不然无法更新apt。 安装完成后使用vim编辑/etc/docker/daemon.json文件添加default-runtime设置为nvidia。 ``` "default-runtime":"nvidia", ``` 重启docker服务 ``` $ systemctl daemon-reload $ systemctl restart docker ``` ### 4 构建pytorch环境 clone仓库中的代码，然后下载 [torch-1.7.1+cu110-cp37-cp37m-linux_x86_64.whl](https://download.pytorch.org/whl/torch_stable.html) [torchaudio-0.7.2-cp37-cp37m-linux_x86_64.whl](https://download.pytorch.org/whl/torch_stable.html) [torchvision-0.8.2+cu110-cp37-cp37m-linux_x86_64.whl](https://download.pytorch.org/whl/torch_stable.html) [Anaconda3-5.3.0-Linux-x86_64.sh](https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/) 这四个文件放在项目根目录，目的是加快环境构建。 请注意一定要下载版本号一致的文件，或者使用我整理的[百度云提取码:ac6n](https://pan.baidu.com/s/1q9aKKZgFOK3IJCkF3Cn0dA) 文件列表如下图所示：  完成所有所需文件的准备后，使用终端进入FaceMaskDetect目录，然后通过docker build命令构建pytorch环境镜像。 ``` $ docker build -t detect/pytorch:nvidia-cuda . ``` 完成后通过docker images命令查看detect/pytorch:nvidia-cuda镜像。 ### 5 实现人脸口罩的检测 运行pytorch容器，并将项目中detect目录映射到容器内，将需要检测的图片都放在【detect】-【inference】-【images】目录中。 ``` $ docker run -it -v /home/showye/FaceMaskDetect/detect/:/home/showye/FaceMaskDetect/detect/ detect/pytorch:nvidia-cuda /bin/bash ``` 容器启动成功后会自动进入容器的bash终端，通过cd进入/home/showye/FaceMaskDetect/detect/目录，然后执行以下命令即可完成人脸口罩的检测。 ``` $ python detect.py ``` 完成检测后图片会生成在【detect】-【inference】-【output】目录中。 ### 6 检测效果演示   ## License MIT