YOLO在口罩检测任务中的应用
计算机视觉与模式识别
2021-02-11 v1
摘要
2020年是受COVID-19大流行影响的一年。该事件对正常生活的诸多方面造成了干扰。减轻大流行影响的一个重要方面是控制其传播。研究表明，减少COVID-19传播的一种有效方法是佩戴口罩。严格的戴口罩政策不仅引发了公众关注，也带来了实际困难。我们无法指望人工检查街道上每个人是否规范佩戴口罩。现有的辅助自动化口罩检查技术利用深度学习模型处理实时监控摄像头画面。当前进行实时口罩检测的主流方法是使用以ResNet为骨干的Mask-RCNN。尽管检测效果良好，但该方法计算密集，其在实时人脸口罩检测中的效率并不理想。我们的研究提出了一种口罩检测新方法，用更高效的模型“YOLO”替代Mask-R-CNN，以提升实时口罩检测的处理速度且不牺牲精度。此外，鉴于口罩检测数据集规模小且极度不平衡，我们采用了少样本视觉分类的最新进展simple CNAPs来提升分类性能。
引用
@article{arxiv.2102.05402,
title = {Application of Yolo on Mask Detection Task},
author = {Ren Liu and Ziang Ren},
journal= {arXiv preprint arXiv:2102.05402},
year = {2021}
}
备注
7 pages, 4 figures, submitted to The 13th International Conference on Computer Research and Development (ICCRD 2021)