論文の概要: A Deep Learning-based Approach for Real-time Facemask Detection

• arxiv url: http://arxiv.org/abs/2110.08732v1
• Date: Sun, 17 Oct 2021 06:12:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-21 07:14:49.319014
• Title: A Deep Learning-based Approach for Real-time Facemask Detection
• Title（参考訳）: リアルタイムフェイスマスク検出のための深層学習に基づくアプローチ
• Authors: Wadii Boulila, Ayyub Alzahem, Aseel Almoudi, Muhanad Afifi, Ibrahim Alturki, Maha Driss
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The COVID-19 pandemic is causing a global health crisis. Public spaces need to be safeguarded from the adverse effects of this pandemic. Wearing a facemask becomes one of the effective protection solutions adopted by many governments. Manual real-time monitoring of facemask wearing for a large group of people is becoming a difficult task. The goal of this paper is to use deep learning (DL), which has shown excellent results in many real-life applications, to ensure efficient real-time facemask detection. The proposed approach is based on two steps. An off-line step aiming to create a DL model that is able to detect and locate facemasks and whether they are appropriately worn. An online step that deploys the DL model at edge computing in order to detect masks in real-time. In this study, we propose to use MobileNetV2 to detect facemask in real-time. Several experiments are conducted and show good performances of the proposed approach (99% for training and testing accuracy). In addition, several comparisons with many state-of-the-art models namely ResNet50, DenseNet, and VGG16 show good performance of the MobileNetV2 in terms of training time and accuracy.
• Abstract（参考訳）: 新型コロナウイルス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。 公共空間はこのパンデミックの悪影響から保護される必要がある。 フェイスマスクを着用することは、多くの政府によって採用されている効果的な保護ソリューションの1つである。 大規模なグループでのフェイスマスク着用の手動リアルタイム監視が難しい課題になりつつある。 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。 提案手法は2つのステップに基づいている。 フェイスマスクを検出、発見し、適切な着用の有無を判断できるdlモデルの作成を目的としたオフラインのステップ。 リアルタイムにマスクを検出するために、エッジコンピューティングでDLモデルをデプロイするオンラインステップ。 本研究では,リアルタイムの顔マスク検出にMobileNetV2を提案する。 いくつかの実験が行われ、提案手法の優れた性能を示す(トレーニングとテスト精度の99%)。 さらに、ResNet50、DenseNet、VGG16といった最先端モデルと比較すると、トレーニング時間と精度でMobileNetV2の性能が向上している。

関連論文リスト

• 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)
• Stealthy Physical Masked Face Recognition Attack via Adversarial Style Optimization [47.21491911505409]
  新型コロナウイルス(COVID-19)のパンデミック時代には、マスクを着用することが新型コロナウイルス対策の最も効果的な方法の1つだ。 ディープニューラルネットワーク(DNN)は、過去10年間に顔認識(FR)タスクにおける最先端のパフォーマンスを達成した。 本稿では,敵対的スタイルの最適化による新たなステルス物理マスクFR攻撃を提案する。
  論文  参考訳（メタデータ） (2023-09-18T04:36:56Z)
• Real-Time Mask Detection Based on SSD-MobileNetV2 [2.538209532048867]
  優れたリアルタイムマスク検出システムにより、関連するスタッフの作業負荷を低減できる。 既存のマスク検出手法は資源集約的であり、速度と精度のバランスが良くない。 本稿では,マスク検出のための新しいアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-08-29T01:59:22Z)
• 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)
• 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)
• COVID-19 personal protective equipment detection using real-time deep learning methods [0.0]
  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。
  論文  参考訳（メタデータ） (2021-03-27T11:07:11Z)
• 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)
• 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。