論文の概要: Development of a face mask detection pipeline for mask-wearing
monitoring in the era of the COVID-19 pandemic: A modular approach
- arxiv url: http://arxiv.org/abs/2112.15031v1
- Date: Thu, 30 Dec 2021 12:32:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-03 13:50:47.456240
- Title: Development of a face mask detection pipeline for mask-wearing
monitoring in the era of the COVID-19 pandemic: A modular approach
- Title（参考訳）: 新型コロナウイルス(covid-19)パンデミック時代のマスク着用監視のためのマスク検出パイプラインの開発:モジュラーアプローチ
- Authors: Benjaphan Sommana, Ukrit Watchareeruetai, Ankush Ganguly, Samuel W.F.
Earp, Taya Kitiyakara, Suparee Boonmanunt, Ratchainant Thammasudjarit
- Abstract要約: SARS-Cov-2パンデミックの間、マスク着用はウイルスの拡散や収縮を防ぐための効果的な手段となった。
人口のマスク着用率を監視する能力は、ウイルスに対する公衆衛生戦略を決定するのに役立つだろう。
1)顔検出とアライメント,2)顔マスク分類の2つのモジュールからなる2段階の顔マスク検出手法を提案する。
- 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: During the SARS-Cov-2 pandemic, mask-wearing became an effective tool to
prevent spreading and contracting the virus. The ability to monitor the
mask-wearing rate in the population would be useful for determining public
health strategies against the virus. However, artificial intelligence
technologies for detecting face masks have not been deployed at a large scale
in real-life to measure the mask-wearing rate in public. In this paper, we
present a two-step face mask detection approach consisting of two separate
modules: 1) face detection and alignment and 2) face mask classification. This
approach allowed us to experiment with different combinations of face detection
and face mask classification modules. More specifically, we experimented with
PyramidKey and RetinaFace as face detectors while maintaining a lightweight
backbone for the face mask classification module. Moreover, we also provide a
relabeled annotation of the test set of the AIZOO dataset, where we rectified
the incorrect labels for some face images. The evaluation results on the AIZOO
and Moxa 3K datasets showed that the proposed face mask detection pipeline
surpassed the state-of-the-art methods. The proposed pipeline also yielded a
higher mAP on the relabeled test set of the AIZOO dataset than the original
test set. Since we trained the proposed model using in-the-wild face images, we
can successfully deploy our model to monitor the mask-wearing rate using public
CCTV images.
- Abstract（参考訳）: SARS-Cov-2パンデミックの間、マスク着用はウイルスの拡散や収縮を防ぐための効果的な手段となった。
人口のマスク着用率をモニターする能力は、ウイルスに対する公衆衛生戦略を決定するのに役立つだろう。
しかし, マスク検出のための人工知能技術は, 一般人のマスク着用率を測定するために, 実際に大規模に展開されていない。
本稿では,2つのモジュールからなる2段階顔マスク検出手法を提案する。
1)顔検出とアライメント
2)フェイスマスク分類。
このアプローチにより、顔検出と顔マスク分類モジュールの異なる組み合わせで実験することができた。
具体的には、face mask分類モジュールの軽量なバックボーンを維持しながら、face detectorとして pyramidkey と retinaface を実験した。
さらに、AIZOOデータセットのテストセットのレザベルアノテーションも提供し、顔画像の誤りラベルを修正しました。
AIZOOとMoxa 3Kデータセットの評価結果は、提案したマスク検出パイプラインが最先端の手法を超越したことを示している。
提案されたパイプラインはまた、aizooデータセットのrelabeledテストセット上のマップを元のテストセットよりも高めている。
提案したモデルについて,画像を用いて訓練した結果,CCTV画像を用いたマスク着用率の監視に成功している。
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) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Shape-Aware Masking for Inpainting in Medical Imaging [49.61617087640379]
インペイントは、教師なしの医用画像モデル発見のためのディープラーニング技術として成功している。
本稿では, 先行する統計的形状の学習を目的とした, 塗装用形状認識マスクの生成手法を提案する。
市販の塗装モデルとスーパーピクセルオーバーセグメンテーションアルゴリズムに基づく教師なしマスキング手法を提案する。
論文 参考訳（メタデータ） (2022-07-12T18:35:17Z) - Mask-invariant Face Recognition through Template-level Knowledge
Distillation [3.727773051465455]
マスクは従来の顔認識システムの性能に影響を与える。
マスク不変顔認識ソリューション(MaskInv)を提案する。
蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
論文 参考訳（メタデータ） (2021-12-10T16:19:28Z) - 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) - 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) - MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。
SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
論文 参考訳（メタデータ） (2021-09-13T09:30:10Z) - Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。
この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。
完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
論文 参考訳（メタデータ） (2021-04-20T10:12:04Z) - 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) - 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。