論文の概要: Face Mask Detection using Transfer Learning of InceptionV3

• arxiv url: http://arxiv.org/abs/2009.08369v2
• Date: Tue, 20 Oct 2020 19:04:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 12:05:10.505086
• Title: Face Mask Detection using Transfer Learning of InceptionV3
• Title（参考訳）: inceptionv3の転送学習を用いた顔マスク検出
• Authors: G. Jignesh Chowdary, Narinder Singh Punn, Sanjay Kumar Sonbhadra, Sonali Agarwal
• Abstract要約: 新型コロナウイルスに対する最も効果的な対策は、公共の場所や混雑した地域でマスクを着用していることだ。 これらの地域の人々を手動で監視することは極めて困難である。 本稿では,マスクを着用していない人を識別するプロセスを自動化するために,移動学習モデルを提案する。
• 参考スコア（独自算出の注目度）: 3.6016022712620095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The world is facing a huge health crisis due to the rapid transmission of coronavirus (COVID-19). Several guidelines were issued by the World Health Organization (WHO) for protection against the spread of coronavirus. According to WHO, the most effective preventive measure against COVID-19 is wearing a mask in public places and crowded areas. It is very difficult to monitor people manually in these areas. In this paper, a transfer learning model is proposed to automate the process of identifying the people who are not wearing mask. The proposed model is built by fine-tuning the pre-trained state-of-the-art deep learning model, InceptionV3. The proposed model is trained and tested on the Simulated Masked Face Dataset (SMFD). Image augmentation technique is adopted to address the limited availability of data for better training and testing of the model. The model outperformed the other recently proposed approaches by achieving an accuracy of 99.9% during training and 100% during testing.
• Abstract（参考訳）: 世界は新型コロナウイルス(COVID-19)の急速な感染により、大きな健康危機に直面している。 世界保健機関(WHO)は、新型コロナウイルスの感染拡大を防ぐためのガイドラインをいくつか公表した。 WHOによると、新型コロナウイルス対策で最も効果的なのは、公共の場所や混雑した地域でマスクを着用していることだ。 これらの地域の人々の手動監視は非常に困難である。 本稿では,マスクを着用していない人を識別するプロセスを自動化するために,移動学習モデルを提案する。 提案されたモデルは、事前学習されたディープラーニングモデルinceptionv3を微調整することで構築される。 提案したモデルは、SMFD(Simulated Masked Face Dataset)でトレーニングされ、テストされる。 モデルのトレーニングとテストを改善するために、データの可用性の制限に対処するために画像拡張技術が採用されている。 このモデルは、トレーニング中に99.9%、テスト中に100%の精度で他の提案されたアプローチよりも優れていた。

関連論文リスト

• A transfer learning approach with convolutional neural network for Face Mask Detection [0.30693357740321775]
  本稿では,トランスファー学習とインセプションv3アーキテクチャに基づくマスク認識システムを提案する。 マスクやマスクのない顔に加えて、マスクの誤用も検出できる。
  論文  参考訳（メタデータ） (2023-10-29T07:38:33Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• A Survey on Masked Facial Detection Methods and Datasets for Fighting Against COVID-19 [64.88701052813462]
  新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。 この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。 本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
  論文  参考訳（メタデータ） (2022-01-13T03:28:20Z)
• A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19 [0.0]
  WHOは、新型コロナウイルス感染を防ぐための最も効果的な対策の一つとして、マスクを着用することを推奨している。 マスク検出のための多くのディープラーニングモデルを探索し、2つのベンチマークデータセットで評価する。 すべてのモデルのパフォーマンスは非常に良好ですが、転送学習モデルは最高のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2021-12-15T06:30:50Z)
• 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)
• A Deep Learning-based Approach for Real-time Facemask Detection [0.0]
  新型コロナウイルス(COVID-19)のパンデミックが世界的な健康危機を引き起こしている。このパンデミックの悪影響から公共空間を保護する必要がある。 フェイスマスクを着用することは、多くの政府で採用されている効果的な保護ソリューションの1つとなっている。 本研究の目的は,多くの実生活アプリケーションにおいて優れた結果を示したディープラーニング(DL)を用いて,効率的なリアルタイム顔マスク検出を実現することである。
  論文  参考訳（メタデータ） (2021-10-17T06:12:02Z)
• TransRPPG: Remote Photoplethysmography Transformer for 3D Mask Face Presentation Attack Detection [53.98866801690342]
  3次元マスク提示攻撃検出(PAD)は、3次元マスク攻撃から顔認識システムを保護する上で重要な役割を担っている。 ライブ本質表現を効率的に学習するための純粋なrトランス(TransR)フレームワークを提案する。 当社のTransRは軽量で効率的(547Kパラメータと763MOPのみ)で、モバイルレベルのアプリケーションに期待できる。
  論文  参考訳（メタデータ） (2021-04-15T12:33:13Z)
• 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)
• A Computer Vision System to Help Prevent the Transmission of COVID-19 [79.62140902232628]
  新型コロナウイルスのパンデミックは世界中の日常生活のあらゆる領域に影響を与える。 保健機関は、ソーシャルディスタンス、フェイスマスクを着用し、触れる顔を避けることをアドバイスします。 我々は、新型コロナウイルスの感染を防ぐためのディープラーニングベースの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） (2021-03-16T00:00:04Z)
• 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。