COVID-19 大流行期间使用深度学习进行佩戴口罩检测
计算机视觉与模式识别
2023-07-04 v1 人工智能
机器学习
摘要
在 COVID-19 大流行期间，佩戴口罩已被认为是防止 COVID-19 传播的有效方法。在许多监控任务中，由于深度学习模型的出色性能，人类已被计算机取代。监控佩戴口罩是另一项可以由深度学习模型以可接受精度完成的任务。该任务的主要挑战是由于隔离导致的数据量有限。在本文中，我们调查了三种最先进的目标检测神经网络在面向实时应用的口罩检测上的能力。如前所述，这里使用了三个模型：Single Shot Detector (SSD)、两个版本的 You Only Look Once (YOLO) 即 YOLOv4-tiny 和 YOLOv4-tiny-3l，并从中选出了最佳模型。在所提出的方法中，根据不同模型的性能，与其他近期研究相比，最适合用于真实世界和移动设备应用的最佳模型是 YOLOv4-tiny 模型，其平均精度均值（mAP）和每秒帧数（FPS）分别为 85.31% 和 50.66。这些可接受的值是在仅包含 1531 张图像、分为三个独立类别的两个数据集上取得的。
引用
@article{arxiv.2305.00068,
title = {Wearing face mask detection using deep learning through COVID-19 pandemic},
author = {Javad Khoramdel and Soheila Hatami and Majid Sadedel},
journal= {arXiv preprint arXiv:2305.00068},
year = {2023}
}
备注
Accepted to Scientia Iranica Journal