戴口罩还是不戴？基于三元组一致性表示学习的鲁棒人脸口罩检测器
计算机视觉与模式识别
2021-10-04 v1
摘要
在缺乏阻止 COVID-19 的疫苗或药物的情况下，减缓冠状病毒传播并减轻医疗系统过载的有效方法之一是佩戴口罩。然而，要在公共区域强制使用口罩或面罩，需要额外的人力资源，这既繁琐又耗费注意力。为了实现监控过程自动化，一个有前景的解决方案是利用现有的目标检测模型来检测带口罩或不带口罩的人脸。这样，安保人员无需紧盯监控设备或人群，只需处理由检测到未戴口罩人脸所触发的警报。现有的目标检测模型通常侧重于设计基于 CNN 的网络架构以提取判别性特征。然而，人脸口罩检测的训练数据集规模较小，且带口罩与不带口罩人脸之间的差异细微。因此，本文提出一种人脸口罩检测框架，使用上下文注意力模块，通过自适应其注意力图特征细化，使前馈卷积神经网络的有效注意力得以实现。此外，我们进一步提出一种无锚框检测器，通过整合一致性损失与三元组损失进行三元组一致性表示学习，以应对小尺度训练数据以及口罩与遮挡之间的相似性。大量实验结果表明，我们的方法优于其他最先进的方法。源代码已公开发布于 https://github.com/wei-1006/MaskFaceDetection 以增进公共卫生。
引用
@article{arxiv.2110.00523,
title = {Mask or Non-Mask? Robust Face Mask Detector via Triplet-Consistency Representation Learning},
author = {Chun-Wei Yang and Thanh-Hai Phung and Hong-Han Shuai and Wen-Huang Cheng},
journal= {arXiv preprint arXiv:2110.00523},
year = {2021}
}
备注
Accepted by ACM Transactions on Multimedia Computing, Communications, and Applications (2021)