面向抗击 COVID-19 的遮挡人脸检测方法与数据集综述
计算机视觉与模式识别
2022-01-14 v1 机器学习
摘要
2019 冠状病毒病（COVID-19）自暴发以来持续对世界构成重大挑战。为抗击该疾病，一系列人工智能（AI）技术被开发并应用于安全监测、疾病诊断、感染风险评估、COVID-19 CT 扫描病灶分割等真实场景。冠状病毒疫情迫使人们佩戴口罩以阻断病毒传播，这也给监测大规模佩戴口罩人群带来困难。本文主要关注遮挡人脸检测的 AI 技术及相关数据集。我们综述近期进展，从遮挡人脸检测数据集的描述开始。详述并讨论了 13 个可用数据集。随后，方法被粗略分为两类：传统方法与基于神经网络的方法。传统方法通常以手工特征通过提升算法训练，占比较小。基于神经网络的方法按处理阶段数量进一步分为三部分。代表性算法被详细描述，并简要介绍了一些典型技术。最后，我们总结了近期基准测试结果，讨论了数据集与方法的局限，并拓展未来研究方向。据我们所知，这是首篇关于遮挡人脸检测方法及数据集的综述。希望本综述能为抗击疫情提供一些帮助。
引用
@article{arxiv.2201.04777,
title = {A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19},
author = {Bingshu Wang and Jiangbin Zheng and C. L. Philip Chen},
journal= {arXiv preprint arXiv:2201.04777},
year = {2022}
}
备注
21 pages, 9 figures, 5 tables. IEEE Transactions on Artificial Intelligence, 2021, early access