face-mask-mobilenetv3
компактный детектор медицинских масок на фото
2 мин чтенияобновлено
Бинарный классификатор изображений от разработчика iamaber, который определяет, есть ли на человеке в кадре медицинская маска (классы With Mask и Without Mask). Модель построена на базе лёгкой архитектуры MobileNetV3-Large с кастомной головой классификации из трёх линейных слоёв и обучена методом transfer learning (переноса обучения) в PyTorch на датасете Face Mask 12K Images. В отличие от детекторов объектов, модель не ищет координаты лиц на снимке, а выдаёт общую оценку для всей картинки целиком — её удобно использовать в связке с предварительной обрезкой лиц или в простых демо-сервисах.
Ключевые особенности
- Компактный размер: всего около 5 млн параметров, а файл весов
best_mobilenet_mask_detector.ptвесит ~20 МБ и без проблем запускается на CPU. - Простая интеграция на PyTorch: чекпоинт сохранён как стандартный
state_dict, в карточке приведён готовый скрипт препроцессинга и инференса черезtorchvision. - Честный разбор ограничений: автор подробно описал особенности работы — входное фото сжимается до квадрата 224×224 без обрезки по центру, а модель не проверяет правильность ношения маски.
Что можно сделать
- Встроить как второй этап в пайплайн компьютерного зрения после детектора лиц, чтобы классифицировать уже вырезанные портреты людей.
- Использовать в качестве лёгкого бэкенда для веб-приложений и прототипов (в репозитории уже есть ссылка на рабочее демо в Hugging Face Spaces).
- Взять как понятный референс для изучения transfer learning, focal loss и замены классификационной головы в
torchvision.
Пример
model = models.mobilenet_v3_large(weights=None)
model.classifier = nn.Sequential(
nn.Linear(960, 1280), nn.Hardswish(), nn.Dropout(p=0.5),
nn.Linear(1280, 640), nn.Hardswish(), nn.Dropout(p=0.5),
nn.Linear(640, 2),
)
model.load_state_dict(torch.load("best_mobilenet_mask_detector.pt", map_location="cpu"))
model.eval()Подробнее
Метрики (по данным README исходного репозитория): Test accuracy ~96%, F1-score 0.955, ROC-AUC 0.98.Обучение: до 30 эпох, оптимизатор Adam (lr 1e-4), focal loss, датасет Face Mask 12K Images.
Ограничения: нет детекции лиц (один ответ на всё фото), чувствительность к ракурсу и освещению, не подходит для систем контроля доступа и принятия решений о людях.
Лицензия: для самих весов явная лицензия не указана (код в репозитории под MIT, датасеты под CC0).










Комментарии