# maskDetection_jetson

**Repository Path**: bill20221991/maskDetection_jetson

## Basic Information

- **Project Name**: maskDetection_jetson
- **Description**: 在Jetson Nano上用YOLO实现口罩识别应用
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 9
- **Created**: 2023-03-27
- **Last Updated**: 2023-03-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 在 NVIDIA Jetson 上实现口罩识别
1. 数据集：共600张图片，里面包含多个戴口罩/不戴口罩的人
2. 用 Yolov4-Tiny深度神经网络进行模型训练与推理识别

点击下方 GIF 图片，可以看到完整的最终效果演示 
>
[![IMAGE ALT TEXT](maskDemo.gif)](https://www.youtube.com/watch?v=ShxBRGUBuDI&t=176s "CameraMaster")

# 准备工作：
1. 至 https://github.com/AlexeyAB/darknet 下载Darknet框架并安装
2. 点击 https://pjreddie.com/media/files/darknet53.conv.74  下载 darknet53.conv.74模型（153MB）到darknet安装目录中
3. 执行以下指令，将本项目到克隆到您的Jetson设备上
   >   git clone https://gitee.com/gpus/maskDetection_jetson

# 执行步骤：
1.  进入 maskDetection_jetson 目录
    >  cd maskDetection_jetson
2. 解压缩 dataset.zip ，最终应包含 1,230 个文件（615张图片+615个.xml标注文件）
   > unzip dataset.zip
3. 执行下面指令，会协助您执行三件工作：
    - 将所有 .xml 格式的标注，转换成 darkent 可识别的 .txt 格式
   - 建立模型训练的图像列表 train.txt ，需要用完整路径
   - 建立模型训练的测试列表 test.txt ，需要用完整路径
   > ./0_dataDispatch.py
4. 修改 mask.data 文件，提供每个设定文件的正确绝对路径
5. 从 Darknet 目录（根据实际路径调整指令）复制yolov4-tiny-custom.cfg 到本目录
   - 这里可以选择不同的 .cfg 设定文件，修改变量的方式雷同
   > cp ~/darknet/cfg/yolov4-tiny-custom.cfg .
6. 修改以下三个变量值：
   - 第 220行 与 269行：**classes=80 改成 classes=2**
   - 第 212行 与 263行：**filters=255 改成 filters=21**
   - 第 20行：**max_batches=500200 改成 max_batches=5000**，便于在 Jetson 直接模型训练
7. 要在Jetson上执行模型训练，请修改的 batch与subdivisions 的值，如下：
   - batch=16,  subdivisions=2
8. 修改 train_mask.sh 里面 DARKNET 与 PRJ_PATH 的绝对路径，例如
   - export DARKNET=$HOME/darknet
   - export PRJ_PATH=$HOME/maskDetection_jetson
   - 存档后执行下面指令进行模型训练，**在 Jetson Nano 4GB 下大约 90分钟**
   > ./1_trainMask.sh
9. 训练好模型之后，依旧需要用 yolov4-tiny-custom.cfg 配置文件进行推理计算，修改下面两处参数
    - batch=1, subdivisions=1
    - 存档后执行下面指令进行推理
    > ./2_demoMask.sh
    - 请自行调整 2_demoMash.sh 脚本最后的数据源，可以是视频、CSI摄像头、USB摄像头