欢迎关注我的公众号 [极智视界]，获取我的更多项目分享
大家好，我是极智视界，本文来介绍 实战 Mxnet 戴口罩检测项目。
本文介绍的 实战 Mxnet 戴口罩检测项目，提供完整的可以一键执行的项目工程源码，获取方式有两个：
这是这个系列的第三篇 (虽然这个系列估计想看的人并不多，但是既然开了拔就坚持写完它~)
- 第一篇基于 OpenCV ->《极智项目 | 实战 OpenCV 戴口罩检测》；
- 第二篇基于 Pytorch ->《极智项目 | 实战 Pytorch 戴口罩检测》；
也是承诺的提供 "基于 OpenCV、基于 pytorch、提供 tensorflow、基于 tensorflow、基于 paddle、基于 caffe、基于 mxnet、基于 keras 版本" 系列中的其中之一，其他版本敬请期待。
这个项目使用深度学习框架 Mxnet 来进行戴口罩的检测。项目提供完整的代码，包括推理代码、一键执行脚本、Mxnet 模型权重、项目三方依赖库、待检测的图片、检测后的效果图等。在拿到项目代码后，进行开发环境的配置，老习惯用 Anaconda3 管理 py 环境，如下，
# 安装Anaconda3的过程略过
# 采用conda来进行py环境的管理
conda create -n facemaskdet_py37.mxnet python=3.7
# 激活py环境
conda activate facemaskdet_py37.mxnet
# 进入到项目目录
cd facemaskdet.mxnet
# 只需要一键执行 run_demo.sh 就能帮你装依赖和推理了
bash run_demo.sh # 或 ./run_demo.sh其中 run_demo.sh 的内容如下：
#!/bin/bash
pip install -r requirement.txt
python facemaskdet_mxnet.py --conf_thresh 0.45 \
--iou_thresh 0.3 \
--img-path img/004.jpg脚本配置了可以通过外参 --img-path 来传递待检测图片，比如这里的待检测图片为 img/004.jpg。另外可控的参数还包括置信度阈值和 iou 阈值，可以通过外参 --conf_thresh 来设置置信度阈值；通过外参 --iou_thresh 来设置 iou 阈值。
下面展示了一些检测效果图，
可以看到，检测的效果是挺不错的。
好了，以上分享了 实战Mxnet戴口罩检测，并提供完整的项目源码。希望我的分享能对你的学习有一点帮助。
【极智视界】