Fugu-MT 論文翻訳(概要): COVID-19 personal protective equipment detection using real-time deep learning methods

論文の概要: COVID-19 personal protective equipment detection using real-time deep learning methods

arxiv url: http://arxiv.org/abs/2103.14878v1
Date: Sat, 27 Mar 2021 11:07:11 GMT
ステータス: 処理完了
システム内更新日: 2021-03-30 14:41:10.393370
Title: COVID-19 personal protective equipment detection using real-time deep learning methods
Title（参考訳）: リアルタイム深層学習による個人用防護具検出
Authors: Shayan Khosravipour, Erfan Taghvaei, Nasrollah Moghadam Charkari
Abstract要約: 215カ国以上でcovid-19が急速に拡大しているため、学校や職場への安全な帰還のためにマスクや手袋を推奨する人たちもいる。公共エリアで自動顔面マスクや手袋検出に人工知能とディープラーニングアルゴリズムを使用しました。
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 exponential spread of COVID-19 in over 215 countries has led WHO to recommend face masks and gloves for a safe return to school or work. We used artificial intelligence and deep learning algorithms for automatic face masks and gloves detection in public areas. We investigated and assessed the efficacy of two popular deep learning algorithms of YOLO (You Only Look Once) and SSD MobileNet for the detection and proper wearing of face masks and gloves trained over a data set of 8250 images imported from the internet. YOLOv3 is implemented using the DarkNet framework, and the SSD MobileNet algorithm is applied for the development of accurate object detection. The proposed models have been developed to provide accurate multi-class detection (Mask vs. No-Mask vs. Gloves vs. No-Gloves vs. Improper). When people wear their masks improperly, the method detects them as an improper class. The introduced models provide accuracies of (90.6% for YOLO and 85.5% for SSD) for multi-class detection. The systems' results indicate the efficiency and validity of detecting people who do not wear masks and gloves in public.
Abstract（参考訳）: 215カ国以上でcovid-19が急速に拡大しているため、学校や職場への安全な帰還のためにマスクや手袋を推奨する人たちもいる。我々は人工知能とディープラーニングアルゴリズムを公共の場での顔マスクや手袋検出に利用した。インターネットからインポートされた8250画像のデータセット上でトレーニングされた顔マスクと手袋の検出と適切な着用について,yolo (you only look once) とssd mobilenetの2つの一般的なディープラーニングアルゴリズムの有効性を調査し,評価した。 YOLOv3はDarkNetフレームワークを用いて実装され、SSD MobileNetアルゴリズムは正確なオブジェクト検出の開発に応用されている。提案したモデルは、正確なマルチクラス検出を提供するために開発された(Mask vs. No-Mask vs. Gloves vs. No-Gloves vs. Improper)。マスクを不適切に着用すると、不適切なクラスとして検出される。導入されたモデルは、マルチクラス検出のための精度(YOLOは90.6%、SSDは85.5%)を提供する。システムの結果は、マスクや手袋を着用していない人を人前で発見する効率と妥当性を示している。

関連論文リスト

Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。提案手法は,最先端の手法よりも自然な画像を生成する。
論文参考訳（メタデータ） (2023-05-22T23:50:43Z)
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)
A realistic approach to generate masked faces applied on two novel masked face recognition data sets [14.130698536174767]
本稿では,マスクのない顔を含むデータセットを合成マスクを作成し,元の画像の顔に重ね合わせることによって拡張する手法を提案する。 CASIA-WebFaceデータセットの445,446 (90%) のマスクと,CelebAデータセットの196,254 (96.8%) のマスクを生成した。本手法は, 被験者に対して, 他の方法やデータセットと定性的に比較するように依頼することで, 顔にオーバーレイしたマスクのより現実的なトレーニング例を生成する。
論文参考訳（メタデータ） (2021-09-03T22:33:55Z)
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)
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)
Application of Yolo on Mask Detection Task [1.941730292017383]
厳密なマスク着用政策は、公的な感覚だけでなく、実際的な困難にも適合している。マスクチェックを自動化する既存の技術は、リアルタイム監視カメラの映像にディープラーニングモデルを使用している。本研究は,Mask-R-CNNをより効率的なモデル「YOLO」に置き換えたマスク検出手法を提案する。
論文参考訳（メタデータ） (2021-02-10T12:34:47Z)
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)
Deep Learning Framework to Detect Face Masks from Video Footage [0.0]
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。
論文参考訳（メタデータ） (2020-11-04T16:02:03Z)
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。