論文の概要: A Computer Vision System to Help Prevent the Transmission of COVID-19
- arxiv url: http://arxiv.org/abs/2103.08773v1
- Date: Tue, 16 Mar 2021 00:00:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-17 13:22:45.369233
- Title: A Computer Vision System to Help Prevent the Transmission of COVID-19
- Title（参考訳）: 新型コロナウイルス感染予防のためのコンピュータビジョンシステム
- Authors: Fevziye Irem Eyiokur, Haz{\i}m Kemal Ekenel, Alexander Waibel
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 79.62140902232628
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The COVID-19 pandemic affects every area of daily life globally. To avoid the
spread of coronavirus and retrieve the daily normal worldwide, health
organizations advise social distancing, wearing face mask, and avoiding
touching face. Based on these recommended protective measures, we developed a
deep learning-based computer vision system to help prevent the transmission of
COVID-19. Specifically, the developed system performs face mask detection,
face-hand interaction detection, and measures social distance. For these
purposes, we collected and annotated images that represent face mask usage and
face-hand interaction in the real world. We presented two different face
datasets, namely Unconstrained Face Mask Dataset (UFMD) and Unconstrained Face
Hand Dataset (UFHD). We trained the proposed models on our own datasets and
evaluated them on both our datasets and already existing datasets in the
literature without performing any adaptation on these target datasets. Besides,
we proposed a distance measurement module to track social distance between
people. Experimental results indicate that UFMD and UFHD represent the
real-world's diversity well. The proposed system achieved very high performance
and generalization capacity in a real-world scenario for unseen data from
outside the training data to detect face mask usage and face-hand interaction,
and satisfactory performance in the case of tracking social distance. Presented
UFMD and UFHD datasets will be available at
https://github.com/iremeyiokur/COVID-19-Preventions-Control-System.
- Abstract（参考訳）: 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に影響を及ぼす。
新型コロナウイルスの感染拡大を回避し、世界中の日常生活の正常を回復するため、保健機関は社交距離、マスク着用、接触面の回避を推奨している。
これらの保護策に基づき,新型ウイルスの感染防止を目的とした深層学習型コンピュータビジョンシステムを開発した。
具体的には,顔のマスク検出,対面インタラクション検出,社会的距離測定を行う。
これらの目的のために,実世界における顔マスクの使用状況と対面インタラクションを表す画像を収集し,注釈を付けた。
2つの異なる顔データセット,unconstrained face mask dataset (ufmd) とunconstrained face hand dataset (ufhd) を示した。
提案したモデルを独自のデータセットでトレーニングし、ターゲットデータセットに適応することなく、私たちのデータセットと既存のデータセットの両方で評価しました。
また,人間間の社会的距離を追跡するための距離測定モジュールを提案した。
実験の結果,UFMDとUFHDは現実世界の多様性をよく表していることがわかった。
提案システムは, 実世界のシナリオにおいて, 顔マスクの使用状況や対面インタラクションを検出するために, トレーニングデータの外部からデータを見ることができず, 社会的距離を追跡する場合の良好な性能を実現するために, 非常に高い性能と一般化能力を実現した。
UFMDとUFHDのデータセットはhttps://github.com/iremeyiokur/COVID-19-Preventions-Control-Systemで公開される。
関連論文リスト
- Masked Student Dataset of Expressions [1.52292571922932]
本研究では,1,960個の実世界の非マスク顔画像と1,142個の顔画像からなる新しいデータセットを提案する。
難解な顔の特徴に加えて、マスクされたFERの他の微妙な問題がデータセットにどのように表現されているかを説明します。
この課題に対処するために、コントラスト学習と知識蒸留という2つの訓練パラダイムを検証し、マスクシナリオにおけるモデルの性能向上と、非マスク性能の維持を両立させる。
論文 参考訳（メタデータ） (2023-04-07T23:43:21Z) - A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。
マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。
これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
論文 参考訳（メタデータ） (2022-11-07T17:20:39Z) - Bias-Aware Face Mask Detection Dataset [11.400704308166805]
世界中のパンデミック中にTwitterに投稿された画像を含む新しい顔マスク検出データセットを提案する。
以前のデータセットとは異なり、提案されているBias-Aware Face Mask Detectionデータセットには、未表現の人種や年齢グループからのより多くの画像が含まれている。
論文 参考訳（メタデータ） (2022-11-02T15:38:31Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。
顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。
Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
論文 参考訳（メタデータ） (2022-07-22T17:55:39Z) - Facial Emotion Recognition using Deep Residual Networks in Real-World
Environments [5.834678345946704]
そこで本研究では,Wild内および大規模に収集されたビデオデータセットに基づいて訓練された顔特徴抽出モデルを提案する。
データセットは100万のラベル付きフレームと2,616万の被験者で構成されている。
感情認識領域において時間情報は重要であるため、LSTM細胞を用いてデータの時間的ダイナミクスを捉える。
論文 参考訳（メタデータ） (2021-11-04T10:08:22Z) - TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。
実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。
評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
論文 参考訳（メタデータ） (2021-04-08T20:01:00Z) - Masked Face Recognition for Secure Authentication [2.429066522170765]
マスクされた顔は検出と認識が難しいため、社内データセットを無効にする恐れがある。
マスクされた顔の大規模なデータセットを効果的に作成するためのオープンソースのツールであるMaskTheFaceを提案する。
Facenet システムでは 38% の増加がみられた。
論文 参考訳（メタデータ） (2020-08-25T15:33:59Z) - Federated Face Presentation Attack Detection [93.25058425356694]
顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。
本稿では,FedPAD(Federated Face Presentation Detection)フレームワークを提案する。
FedPADは、データプライバシを保持しながら、異なるデータオーナで利用可能な豊富なfPAD情報を同時に活用する。
論文 参考訳（メタデータ） (2020-05-29T15:56:01Z) - Masked Face Recognition Dataset and Application [28.2082082956263]
本研究では,MFDD(Masked Face Detection dataset),RMFRD(Real-world Masked Face Recognition dataset),SMFRD(Simulated Masked Face Recognition dataset)の3種類のマスク付き顔データセットを提案する。
開発したマルチグラニュラリティマスク顔認証モデルは,業界が報告した結果を上回る95%の精度を実現している。
論文 参考訳（メタデータ） (2020-03-20T04:15:19Z)
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。