論文の概要: BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices

• arxiv url: http://arxiv.org/abs/2102.03456v1
• Date: Sat, 6 Feb 2021 00:14:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-09 14:46:29.797327
• Title: BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices
• Title（参考訳）: BinaryCoP:Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices
• Authors: Nael Fasfous, Manoj-Rohit Vemparala, Alexander Frickenstein, Lukas Frickenstein, Walter Stechele
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 63.56630165340053
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Face masks have long been used in many areas of everyday life to protect against the inhalation of hazardous fumes and particles. They also offer an effective solution in healthcare for bi-directional protection against air-borne diseases. Wearing and positioning the mask correctly is essential for its function. Convolutional neural networks (CNNs) offer an excellent solution for face recognition and classification of correct mask wearing and positioning. In the context of the ongoing COVID-19 pandemic, such algorithms can be used at entrances to corporate buildings, airports, shopping areas, and other indoor locations, to mitigate the spread of the virus. These application scenarios impose major challenges to the underlying compute platform. The inference hardware must be cheap, small and energy efficient, while providing sufficient memory and compute power to execute accurate CNNs at a reasonably low latency. To maintain data privacy of the public, all processing must remain on the edge-device, without any communication with cloud servers. To address these challenges, we present a low-power binary neural network classifier for correct facial-mask wear and positioning. The classification task is implemented on an embedded FPGA, performing high-throughput binary operations. Classification can take place at up to ~6400 frames-per-second, easily enabling multi-camera, speed-gate settings or statistics collection in crowd settings. When deployed on a single entrance or gate, the idle power consumption is reduced to 1.6W, improving the battery-life of the device. We achieve an accuracy of up to 98% for four wearing positions of the MaskedFace-Net dataset. To maintain equivalent classification accuracy for all face structures, skin-tones, hair types, and mask types, the algorithms are tested for their ability to generalize the relevant features over all subjects using the Grad-CAM approach.
• Abstract（参考訳）: マスクは長年、有害な煙や粒子の吸入を防ぐため、日常生活の多くの地域で使用されてきた。 また、航空病に対する双方向保護のための効果的な医療ソリューションも提供する。 マスクの装着と位置決めは、その機能に不可欠である。 畳み込みニューラルネットワーク(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。 新型コロナウイルスのパンデミックが進行中の状況では、このようなアルゴリズムは、企業の建物、空港、ショッピングエリア、およびその他の屋内の場所への入り口で使用され、ウイルスの拡散を緩和することができます。 これらのアプリケーションシナリオは、基盤となる計算プラットフォームに大きな課題を課す。 推論ハードウェアは安価で小さく、エネルギー効率が良く、十分なメモリと計算能力を提供して、かなり低いレイテンシで正確なcnnを実行する必要がある。 公衆のデータプライバシーを維持するためには、すべての処理はクラウドサーバーとの通信なしにエッジデバイスに留まらなければなりません。 これらの課題に対処するために、顔面マスクの摩耗と位置決めを正しく行うための低電力バイナリニューラルネットワーク分類器を提示する。 分類タスクは組み込みFPGA上に実装され、高スループットのバイナリ操作を実行する。 分類は最大6400フレーム/秒で行われ、マルチカメラ、スピードゲート設定、統計収集を群衆の設定で容易に行える。 単一の入口またはゲートに配備すると、アイドル電力消費量は1.6Wに削減され、装置の電池寿命が向上する。 MaskedFace-Netデータセットの4つの装着位置で最大98%の精度を実現します。 すべての顔構造、肌色、髪型、マスクタイプについて等価な分類精度を維持するために、アルゴリズムはGrad-CAMアプローチを用いて、すべての被験者に対して関連する特徴を一般化する能力をテストする。

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)
• 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)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• Quantized Neural Networks via {-1, +1} Encoding Decomposition and Acceleration [83.84684675841167]
  本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。 本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
  論文  参考訳（メタデータ） (2021-06-18T03:11:15Z)
• 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)
• Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
  スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。 一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
  論文  参考訳（メタデータ） (2021-03-31T01:48:29Z)
• WearMask: Fast In-browser Face Mask Detection with Serverless Edge Computing for COVID-19 [5.062168599309498]
  新型コロナウイルス(COVID-19)感染は、呼吸、しゃべり、かゆみ、くしゃみ時に発生する呼吸滴によって主に伝染する。 マスクを着用することは、呼吸器感染症の80%を遮断する最重要かつ効果的で便利な方法である。 現在の商用フェイスマスク検出システムは、通常、特定のソフトウェアまたはハードウェアにバンドルされ、公共のアクセシビリティを妨げます。 We propose a in-browser server edge-computing based face mask detection solution, called Web-based efficient AI recognition of masks (WearMask)。 WearMaskは、Webブラウザを使用してインターネット接続を持つ一般的なデバイス(携帯電話、タブレット、コンピュータなど)にインストールすることなくデプロイできます。
  論文  参考訳（メタデータ） (2021-01-04T05:50:48Z)
• Real-time Mask Detection on Google Edge TPU [0.0]
  新型コロナウイルスの感染拡大を受け、マスクを着用しているかどうかを自動的に検出することが重要になっている。 本研究では,特定の地域の人々がマスクを着用しているかどうかを検知する軽量モデルを提案する。
  論文  参考訳（メタデータ） (2020-10-09T08:21:34Z)
• KSM: Fast Multiple Task Adaption via Kernel-wise Soft Mask Learning [49.77278179376902]
  Deep Neural Networks (DNN)は、新しいタスクを学ぶときの以前のタスクに関する知識を忘れることができ、これはtextitcatastrophic forgettingとして知られている。 最近の連続学習手法は、玩具サイズのデータセットにおける破滅的な問題を緩和することができる。 我々は,各タスクに対して,カーネルワイドなハイブリッドな2値マスクと実値のソフトマスクを学習する,textit- Kernel-wise Soft Mask (KSM) と呼ばれる新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2020-09-11T21:48:39Z)
• Are you wearing a mask? Improving mask detection from speech using augmentation by cycle-consistent GANs [24.182791316595576]
  本稿では,音声からのマスク検出のための新しいデータ拡張手法を提案する。 提案手法は (i) GAN(Geneversarative Adrial Networks) の学習に基づく。 我々のデータ拡張アプローチは、他のベースラインや最先端の拡張手法よりも優れた結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2020-06-17T20:46:50Z)

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。