Fugu-MT 論文翻訳(概要): Deep Learning Framework to Detect Face Masks from Video Footage

論文の概要: Deep Learning Framework to Detect Face Masks from Video Footage

arxiv url: http://arxiv.org/abs/2011.02371v1
Date: Wed, 4 Nov 2020 16:02:03 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 22:33:11.001961
Title: Deep Learning Framework to Detect Face Masks from Video Footage
Title（参考訳）: ビデオから顔のマスクを検出するディープラーニングフレームワーク
Authors: Aniruddha Srinivas Joshi, Shreyas Srinivas Joshi, Goutham Kanahasabai, Rudraksh Kapil, and Savyasachi Gupta
Abstract要約: 深層学習を用いて映像中の顔のマスクを検出する手法を提案する。提案フレームワークは,MTCNN顔検出モデルを利用して,映像フレームに存在する顔とそれに対応する顔のランドマークを識別する。提案手法は,高い精度,リコール,精度を達成し,顔のマスク検出に有効であることを示した。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The use of facial masks in public spaces has become a social obligation since the wake of the COVID-19 global pandemic and the identification of facial masks can be imperative to ensure public safety. Detection of facial masks in video footages is a challenging task primarily due to the fact that the masks themselves behave as occlusions to face detection algorithms due to the absence of facial landmarks in the masked regions. In this work, we propose an approach for detecting facial masks in videos using deep learning. The proposed framework capitalizes on the MTCNN face detection model to identify the faces and their corresponding facial landmarks present in the video frame. These facial images and cues are then processed by a neoteric classifier that utilises the MobileNetV2 architecture as an object detector for identifying masked regions. The proposed framework was tested on a dataset which is a collection of videos capturing the movement of people in public spaces while complying with COVID-19 safety protocols. The proposed methodology demonstrated its effectiveness in detecting facial masks by achieving high precision, recall, and accuracy.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミック以降、公共空間での顔マスクの使用は社会的義務となり、公衆の安全を確保するために顔マスクの識別が不可欠となっている。映像中の顔用マスクの検出は、主にマスク自体がマスク領域に顔用ランドマークがないため、顔検出アルゴリズムのオクルージョンとして振る舞うため、難しい課題である。本研究では,ディープラーニングを用いたビデオ中の顔マスクの検出手法を提案する。提案フレームワークは,MTCNN顔検出モデルを利用して,映像フレームに存在する顔とそれに対応する顔のランドマークを識別する。これらの顔画像と手がかりは、mobilenetv2アーキテクチャをマスクされた領域を識別するためのオブジェクト検出器として利用するネオテリック分類器によって処理される。提案フレームワークは、新型コロナウイルスの安全プロトコルに準拠しつつ、公共空間の人々の動きを捉えたビデオの集合体であるデータセット上でテストされた。提案手法は,高い精度,リコール,精度を達成し,顔のマスク検出の有効性を示した。

関連論文リスト

Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition [47.248075664420874]
現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
論文参考訳（メタデータ） (2023-11-20T03:23:03Z)
Deep Learning based CNN Model for Classification and Detection of Individuals Wearing Face Mask [0.0]
このプロジェクトでは、ディープラーニングを利用して、リアルタイムストリーミングビデオや画像のフェイスマスクを検出するモデルを作成する。この研究の主な焦点は、特にセンシティブな領域におけるセキュリティを強化することである。この研究は、画像前処理、画像トリミング、画像分類の3段階に展開している。
論文参考訳（メタデータ） (2023-11-17T09:24:04Z)
FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文参考訳（メタデータ） (2022-05-23T07:19:42Z)
Mask-invariant Face Recognition through Template-level Knowledge Distillation [3.727773051465455]
マスクは従来の顔認識システムの性能に影響を与える。マスク不変顔認識ソリューション(MaskInv)を提案する。蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
論文参考訳（メタデータ） (2021-12-10T16:19:28Z)
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)
Mask or Non-Mask? Robust Face Mask Detector via Triplet-Consistency Representation Learning [23.062034116854875]
新型コロナウイルスの感染拡大を遅らせる効果的な方法の1つは、ワクチンや薬品がない場合、マスクを着用することである。公共の場でのマスクや覆いの使用を義務付けるには、面倒で注意が集中的な人的資源の追加が必要である。本稿では,フィードフォワード畳み込みニューラルネットワークの効果的な注目を実現するために,コンテキストアテンションモジュールを用いたフェイスマスク検出フレームワークを提案する。
論文参考訳（メタデータ） (2021-10-01T16:44:06Z)
MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。 SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
論文参考訳（メタデータ） (2021-09-13T09:30:10Z)
Indian Masked Faces in the Wild Dataset [86.79402670904338]
本研究では,ポーズ,照明,解像度,被検者の着用するマスクの多様さを特徴とする,IMFWデータセットを新たに提案する。また,提案したIMFWデータセットにおいて,既存の顔認識モデルの性能をベンチマークした。
論文参考訳（メタデータ） (2021-06-17T17:23:54Z)
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)
MaskedFace-Net -- A Dataset of Correctly/Incorrectly Masked Face Images in the Context of COVID-19 [2.7528170226206443]
マスクの着用は、新型コロナウイルスの感染拡大を制限する解決策として現れる。このタスクを行うためには,マスクを着用している人やマスクを着用していない人を検出するために,深層学習モデルの訓練にマスク付き顔の大規模なデータセットが必要である。マスクされた顔の大規模なデータセットが文献で公開されているが、現在、検出されたマスクされた顔が正しく着用されているかどうかを確認できるマスクされた顔画像の大規模なデータセットは存在しない。
論文参考訳（メタデータ） (2020-08-18T16:38:11Z)
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。