基于实时深度学习方法的 COVID-19 个人防护装备检测
计算机视觉与模式识别
2021-03-30 v1 图像与视频处理
摘要
COVID-19 在超过 215 个国家的指数级传播促使 WHO 建议佩戴口罩和手套以安全返校或复工。我们利用人工智能和深度学习算法在公共区域自动检测口罩和手套。我们研究并评估了两种流行的深度学习算法 YOLO（You Only Look Once）和 SSD MobileNet 在检测和正确佩戴口罩与手套方面的效能，训练所用数据集包含从互联网导入的 8250 张图像。YOLOv3 使用 DarkNet 框架实现，SSD MobileNet 算法用于开发精确的目标检测。所提出的模型可实现对多类别的准确检测（口罩 vs. 无口罩 vs. 手套 vs. 无手套 vs. 不规范）。当人员不规范佩戴口罩时，该方法将其检测为不规范类别。所引入的模型在多类别检测中分别达到（YOLO 90.6% 和 SSD 85.5%）的准确率。系统结果表明了在公共区域检测未佩戴口罩和手套人员的效率与有效性。
引用
@article{arxiv.2103.14878,
title = {COVID-19 personal protective equipment detection using real-time deep learning methods},
author = {Shayan Khosravipour and Erfan Taghvaei and Nasrollah Moghadam Charkari},
journal= {arXiv preprint arXiv:2103.14878},
year = {2021}
}