爱加猫

核心特点

1. 数据规模与多样性
   数据集包含 7000+ 张高质量图像，涵盖自然场景（如街道、商场）与模拟环境（如低光照、遮挡），包含正确佩戴口罩、未佩戴、错误佩戴（仅遮挡嘴部/下巴）等多种类别，比例均衡（约 1:1），有效解决长尾分布问题。部分数据通过生成算法合成，结合 29 种口罩模板，模拟不同倾斜角度与遮挡情况，增强模型对复杂姿态的适应性。

2. 精细化标注

   • 检测标注：采用 VOC 与 YOLO 双格式，标注人脸的边界框（face）及口罩状态（mask/nomask），边界框精度达像素级，人工校验错误率低于 0.5%。
   • 属性扩展：部分版本提供七区域遮挡标签（如左眼、右脸），支持细粒度遮挡分析与多任务学习。

3. 技术优势

   • 模型兼容性：已验证适配 YOLOv5/v7、Faster R-CNN 等框架，基于 YOLOv5 的基线模型在测试集上达到 mAP@0.5=93%，推理速度 160 FPS（GPU），满足实时检测需求。
   • 鲁棒性优化：通过数据增强（仿射变换、噪声注入）与预处理脚本（光照均衡化），提升模型对模糊、反光等干扰的泛化能力。

应用场景

• 公共卫生：实时监测公共场所口罩佩戴情况，触发预警并生成合规报告，辅助疫情管控。
• 安防升级：集成至门禁系统，支持戴口罩人脸识别（准确率超 99%），减少摘口罩感染风险。
• 算法研究：为遮挡人脸识别、小目标检测等课题提供高质量数据，推动模型在极端姿态下的性能突破。

数据集已成功应用于社区管理、高铁闸机等场景，结合人体 ReID 技术实现身份溯源，显著提升排查效率。完整数据样例与训练脚本可通过开源平台或合作渠道获取。