目录
3.1 带 PyQt5 UI 的检测程序，基于YOLOv5 7.0
1，演示视频和资源下载
1.1 演示视频
1.2 资源下载
纯数据集（不带Python UI程序）下载：
【YOLO数据集】11200张佩戴口罩和未佩戴口罩的人脸图片 VOC和YOLO格式，TXT和XML
带数据集和Python UI程序下载：
Python YOLOv5 7.0 带UI界面的基于深度学习的口罩检测识别系统，带数据集和设计报告，标注有xml和txt
2，数据集
大约11200张佩戴口罩和未佩戴口罩的人脸图片，其中带口罩的占60%~70%。标注的标签有VOC和YOLO两种格式，分别存储在xml和txt文件中。
3，代码
3.1 带 PyQt5 UI 的检测程序，基于YOLOv5 7.0
程序功能如下：
3.1.1 根据训练结果进行检测
支持下面四种输入方式：
（1）单张图片
（2）图片文件夹
（3）视频
（4）摄像头
3.1.2 自动保存每张图片/每帧的检测结果
3.1.3 筛选查看每张图片/每帧检测出来的目标对象
筛选之后，可以查看每一个目标对象的置信度、类别、位置坐标等
3.1.4 导出识别节录到excel表格
3.2 好用的脚本工具
3.2.1 VOC格式转YOLO格式（xml转txt）
可以把VOC格式的标注转换成YOLO格式的
3.2.2 YOLO格式转VOC格式（txt转xml）
可以把YOLO格式的标注转换成VOC格式的
3.2.3 数据集分割
可以把数据集的图片和标注，按照训练集、验证集、测试集设定的比例进行随机分割。
3.2.4 根据标注画框
根据标注，在数据集的图片上画出框框，这个可以用来验证数据集是否标注正确。
4，参考文档
4.1 设计报告
40页左右的相关设计报告
4.2 YOLOV5 CPU GPU运行部署说明
完整的CPU和GPU环境部署文档，按照文档操作即可
4.3 使用YOLOV5进行目标检测
根据YOLOv5源码一步一步进行训练、检测的流程说明，包括基本参数的修改说明，部分代码的注释等。
4.4 YOLOv5性能评估指标
详细介绍了训练结果里的各项指标
