論文の概要: Multi-Stage CNN Architecture for Face Mask Detection

• arxiv url: http://arxiv.org/abs/2009.07627v2
• Date: Thu, 17 Sep 2020 09:08:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 00:49:00.489227
• Title: Multi-Stage CNN Architecture for Face Mask Detection
• Title（参考訳）: マスク検出のためのマルチステージCNNアーキテクチャ
• Authors: Amit Chavda, Jason Dsouza, Sumeet Badgujar, Ankit Damani
• Abstract要約: 本研究では,フェイスマスクが適切に使用されていないインスタンスを検出できるディープラーニングシステムを提案する。 本システムは2段階の畳み込みニューラルネットワーク(CNN)アーキテクチャによって構成され,マスクやマスクのない顔を検出する。 これにより、安全違反の追跡、フェイスマスクの使用の促進、安全な作業環境の確保が期待できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The end of 2019 witnessed the outbreak of Coronavirus Disease 2019 (COVID-19), which has continued to be the cause of plight for millions of lives and businesses even in 2020. As the world recovers from the pandemic and plans to return to a state of normalcy, there is a wave of anxiety among all individuals, especially those who intend to resume in-person activity. Studies have proved that wearing a face mask significantly reduces the risk of viral transmission as well as provides a sense of protection. However, it is not feasible to manually track the implementation of this policy. Technology holds the key here. We introduce a Deep Learning based system that can detect instances where face masks are not used properly. Our system consists of a dual-stage Convolutional Neural Network (CNN) architecture capable of detecting masked and unmasked faces and can be integrated with pre-installed CCTV cameras. This will help track safety violations, promote the use of face masks, and ensure a safe working environment.
• Abstract（参考訳）: 2019年末には、新型コロナウイルス感染症(COVID-19)が流行し、2020年になっても何百万人もの命とビジネスに害を与え続けている。 世界がパンデミックから回復し、正常状態に戻る計画がある中、すべての個人、特に対人活動の再開を目指す人々の間で不安の波が広がっている。 研究により、フェイスマスクを着用することでウイルス感染のリスクが大幅に減少し、保護感が得られることが示されている。 しかし、このポリシーの実装を手動で追跡することは不可能である。 テクノロジーが鍵を握っている。 顔のマスクが適切に使われていないインスタンスを検出できるディープラーニングベースのシステムを提案する。 本システムは,マスク面とマスク面を検出可能な2段畳み込みニューラルネットワーク(CNN)アーキテクチャにより構成され,プリインストールされたCCTVカメラと統合可能である。 これは、安全違反の追跡、フェイスマスクの使用促進、安全な作業環境の確保に役立つ。

関連論文リスト

• Stealthy Physical Masked Face Recognition Attack via Adversarial Style Optimization [47.21491911505409]
  新型コロナウイルス(COVID-19)のパンデミック時代には、マスクを着用することが新型コロナウイルス対策の最も効果的な方法の1つだ。 ディープニューラルネットワーク(DNN)は、過去10年間に顔認識(FR)タスクにおける最先端のパフォーマンスを達成した。 本稿では,敵対的スタイルの最適化による新たなステルス物理マスクFR攻撃を提案する。
  論文  参考訳（メタデータ） (2023-09-18T04:36:56Z)
• Social Distance Detection Using Deep Learning And Risk Management System [0.0]
  COVID-19 Social Distancing Detector Systemは、ディープラーニングを利用して、ハイエンドなセマンティックデータをCNNモジュールに統合するシングルステージ検出器である。 現在のセキュリティ映像、CCTVカメラ、コンピュータビジョン(CV)をデプロイすることで、社会的分離の災難を経験している人々を特定することもできる。
  論文  参考訳（メタデータ） (2023-04-20T12:27:39Z)
• Adversarial Mask: Real-World Adversarial Attack Against Face Recognition Models [66.07662074148142]
  本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。 実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。 ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
  論文  参考訳（メタデータ） (2021-11-21T08:13:21Z)
• Masked Face Recognition Challenge: The InsightFace Track Report [79.77020394722788]
  新型コロナウイルス(COVID-19)が流行する中、ほとんどの人が顔認証に挑戦するマスクを着用している。 本ワークショップでは,顔マスクの存在下でのベンチマークによる深層顔認識手法に着目した。
  論文  参考訳（メタデータ） (2021-08-18T15:14:44Z)
• Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
  ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。 WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。 この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
  論文  参考訳（メタデータ） (2021-08-16T15:51:51Z)
• Masked Face Recognition using ResNet-50 [0.0]
  新型コロナウイルス(COVID-19)の感染拡大に伴い、健康危機に直面しています。 公衆衛生当局は、病気の感染を65%削減できるフェイスマスクの使用を義務付けています。 本稿では,顔を正確に識別できる深層学習モデルを開発することにより,同じ問題を解明する。
  論文  参考訳（メタデータ） (2021-04-19T01:09:47Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices [63.56630165340053]
  フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。 CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。 CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
  論文  参考訳（メタデータ） (2021-02-06T00:14:06Z)
• An Automatic System to Monitor the Physical Distance and Face Mask Wearing of Construction Workers in COVID-19 Pandemic [0.0]
  世界保健機関(WHO)は、マスクを着用し、ウイルスの拡散を緩和するために身体距離を練習することを推奨している。 本論文では, 建設作業者間のマスク着用と身体的分散の違反を自動的に検出するコンピュータビジョンシステムを開発した。
  論文  参考訳（メタデータ） (2021-01-05T06:53:41Z)
• Face Mask Assistant: Detection of Face Mask Service Stage Based on Mobile Phone [35.26022029969275]
  新型コロナウイルスの原因であるシンドロームウイルス2(SARS-CoV-2)は、小さな呼吸液滴によって伝達される。 発生源での拡散を抑制するため、マスクを着用することは便利で効果的な手段である。 携帯電話を用いた検知システムを提案する。
  論文  参考訳（メタデータ） (2020-10-09T08:49:52Z)
• RetinaFaceMask: A Single Stage Face Mask Detector for Assisting Control of the COVID-19 Pandemic [1.2691047660244335]
  感染防止策の1つは、公共の場でマスクを着用することである。 特定の公共サービスプロバイダは、マスクを適切に着用する場合のみ、クライアントにサービスを使用するように要求する。 しかし、マスクの自動検出に関する研究はごくわずかである。 我々は,初の高性能単段マスク検出器であるRetinaFaceMaskを提案した。
  論文  参考訳（メタデータ） (2020-05-08T10:45:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。