就199名Covid-19的流行而言，人们需要在公共场合戴口罩。这里，我们共享一个计算机视觉模型来检测该人是否戴着口罩。
在数据集上建立了一个模型，其中包括331张训练图像和17个带有标签蒙版的测试图像，以及没有掩模的侧面视图图像。
图像注释已使用makeense.ai.AI.IN.AI。这是一个开源网站，可以根据我们的选择来帮助评论并以任何格式下载。
1.以.xml格式，我们有X-Min，X-Max，Y-Min，Y-Max坐标
2.TXT格式包含对象类别，对象坐标，图像宽度，图像高度
由于这里使用了两个不同的模型，因此准备数据以两种不同的方式完成。
.CSV文件必须从XML创建。
之后，我们需要分别创建培训和测试TF记录。
我们已经在模型上训练了10,000个步骤。对于最后几个步骤，这是失去损失：
从上面，我们可以看到总损失太多，因此我们不希望该模型正常起作用。对于模型的推断，我们提供以下几点。
让我们检查模型的执行效果。
从以上，您可以清楚地看到该模型还不够好。您需要训练更多步骤，或者需要使用更好的模型，但是相对而言，损失并没有减少过多，并且可能已经达到饱和点。我们需要使用更好的模型。
在这里，我们将使用.txt文件注释来训练模型。YoloV5具有不同的版本。我们首先使用Yolo V5S版本来检查模型的性能。
在训练模型之前，请确保文件结构如下所示：
确保标签文件名应该完全相同，否则会导致错误。现在我们将使用80批次训练我们的型号200次。在过去的几个时期内，这就是我们丢失的。
让我们检查一下我们的模型的效果：
您可以看到此模型效果很好。LET可以看到细节是什么：
从上面，我们可以观察到该模型根本没有拟合。
Tsingsee绿犀牛视频基于视频领域的技术经验的技术经验。在人工智能技术+视频领域，它还不断地将AI检测和智能识别技术开发为各种视频应用程序场景，例如安全监控，视频中的视频中的人面对面的脸部面部脸部面部面部面部面部面部面部面部面部面部探测和测试的识别，危险行为（攀爬，下降，推动等）测试和识别。视频分析和数据摘要。