Fugu-MT 論文翻訳(概要): A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19

論文の概要: A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19

arxiv url: http://arxiv.org/abs/2112.07913v1
Date: Wed, 15 Dec 2021 06:30:50 GMT
ステータス: 処理完了
システム内更新日: 2021-12-16 14:00:38.180909
Title: A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19
Title（参考訳）: COVID-19における顔マスクの自動検出のための機械学習手法の比較分析
Authors: Junaed Younus Khan and Md Abdullah Al Alamin
Abstract要約: WHOは、新型コロナウイルス感染を防ぐための最も効果的な対策の一つとして、マスクを着用することを推奨している。マスク検出のための多くのディープラーニングモデルを探索し、2つのベンチマークデータセットで評価する。すべてのモデルのパフォーマンスは非常に良好ですが、転送学習モデルは最高のパフォーマンスを実現しています。
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 World Health Organization (WHO) has recommended wearing face masks as one of the most effective measures to prevent COVID-19 transmission. In many countries, it is now mandatory to wear face masks, specially in public places. Since manual monitoring of face masks is often infeasible in the middle of the crowd, automatic detection can be beneficial. To facilitate that, we explored a number of deep learning models (i.e., VGG1, VGG19, ResNet50) for face-mask detection and evaluated them on two benchmark datasets. We also evaluated transfer learning (i.e., VGG19, ResNet50 pre-trained on ImageNet) in this context. We find that while the performances of all the models are quite good, transfer learning models achieve the best performance. Transfer learning improves the performance by 0.10\%--0.40\% with 30\% less training time. Our experiment also shows these high-performing models are not quite robust for real-world cases where the test dataset comes from a different distribution. Without any fine-tuning, the performance of these models drops by 47\% in cross-domain settings.
Abstract（参考訳）: 世界保健機関(WHO)は、新型コロナウイルス感染防止の最も効果的な対策の一つとして、マスク着用を推奨している。多くの国では、特に公共の場所ではマスクを着用することが義務付けられている。群衆の中央では手動によるマスクの監視が不可能な場合が多いため,自動検出が有用である。そこで我々は,顔マスク検出のための深層学習モデル(vgg1,vgg19,resnet50)を探索し,2つのベンチマークデータセットで評価した。また、この文脈で転送学習(VGG19, ResNet50)を評価した。すべてのモデルのパフォーマンスは非常に良好ですが、転送学習モデルは最高のパフォーマンスを実現しています。転送学習は、トレーニング時間を30\%削減して、0.10\%--0.40\%向上する。実験では、テストデータセットが異なる分布から来る実世界のケースでは、これらのハイパフォーマンスなモデルがあまり堅牢ではないことも示しています。微調整がなければ、これらのモデルのパフォーマンスはクロスドメイン設定で47\%低下する。

関連論文リスト

Masked Face Dataset Generation and Masked Face Recognition [2.4377103193902703]
パンデミック後の時代には、フェイスマスクを着用することは、通常の顔認識に大きな課題をもたらしてきた。モデルを現実世界の状況に適応させるために、より困難なマスク付き顔データセットを作成しました。 50のアイデンティティMFR上での最良のテスト精度は95%に達した。
論文参考訳（メタデータ） (2023-11-13T17:09:57Z)
Toward High Quality Facial Representation Learning [58.873356953627614]
我々はMask Contrastive Face (MCF)と呼ばれる自己教師型事前学習フレームワークを提案する。トレーニング済みの視覚バックボーンの特徴マップを監視項目として使用し、マスク画像モデリングに部分的にトレーニング済みのデコーダを使用する。このモデルはAFLW-19顔アライメントの0.932 NME_diag$とLaPa顔解析の93.96 F1スコアを達成する。
論文参考訳（メタデータ） (2023-09-07T09:11:49Z)
Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
論文参考訳（メタデータ） (2023-06-06T14:23:34Z)
Wearing face mask detection using deep learning through COVID-19 pandemic [0.0]
本稿では,3つの最先端物体検出ニューラルネットワークによる顔マスク検出のリアルタイム応用の可能性について検討する。異なるモデルの性能によると、現実世界やモバイルデバイスでの使用に適した最良のモデルは、YOLOv4-tinyモデルである。
論文参考訳（メタデータ） (2023-04-28T19:39:32Z)
Improving Masked Autoencoders by Learning Where to Mask [65.89510231743692]
マスケ画像モデリングは視覚データに対する有望な自己教師型学習手法である。本稿では,Gumbel-Softmax を用いて,対向学習マスク生成装置とマスク誘導画像モデリングプロセスとを相互接続するフレームワーク AutoMAE を提案する。実験の結果,AutoMAEは,標準の自己監督型ベンチマークや下流タスクに対して,効果的な事前学習モデルを提供することがわかった。
論文参考訳（メタデータ） (2023-03-12T05:28:55Z)
Masked Autoencoding for Scalable and Generalizable Decision Making [93.84855114717062]
MaskDPは、強化学習と行動クローンのためのシンプルでスケーラブルな自己教師付き事前学習手法である。我々は,MaskDPモデルにより,単一ゴールや複数ゴール到達といった新しいBCタスクへのゼロショット転送能力が得られることを発見した。
論文参考訳（メタデータ） (2022-11-23T07:04:41Z)
Exploring Target Representations for Masked Autoencoders [78.57196600585462]
目的表現の注意深い選択は、よい表現を学ぶために不要であることを示す。本研究では,多段階のマスク蒸留パイプラインを提案し,無作為なモデルを教師として利用する。自己指導型自己指導法を非自明なマージンで上回り, 自己指導型教員(dBOT)によるマスク付き知識蒸留を行う手法を提案する。
論文参考訳（メタデータ） (2022-09-08T16:55:19Z)
Mask Usage Recognition using Vision Transformer with Transfer Learning and Data Augmentation [2.191505742658975]
MaskedFace-Netは、Mask、Mask Chin、Mask Mouth Chin、Mask Nose Mouthという4つのクラスラベルを持つ137016のデジタルイメージからなる適切なデータセットである。本研究は,ViT Huge-14を用いた転帰学習と増補が最適であることを示した。本研究では、データ拡張トランスファー学習を用いたViTモデルのトレーニングにより、畳み込みベースのResidual Network(ResNet)よりもマスク使用率の分類が向上することを示す。
論文参考訳（メタデータ） (2022-03-22T08:50:41Z)
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 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)
Face Mask Detection using Transfer Learning of InceptionV3 [3.6016022712620095]
新型コロナウイルスに対する最も効果的な対策は、公共の場所や混雑した地域でマスクを着用していることだ。これらの地域の人々を手動で監視することは極めて困難である。本稿では,マスクを着用していない人を識別するプロセスを自動化するために,移動学習モデルを提案する。
論文参考訳（メタデータ） (2020-09-17T15:34:06Z)

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。