論文の概要: Real-Time Mask Detection Based on SSD-MobileNetV2

• arxiv url: http://arxiv.org/abs/2208.13333v1
• Date: Mon, 29 Aug 2022 01:59:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-30 13:57:29.983455
• Title: Real-Time Mask Detection Based on SSD-MobileNetV2
• Title（参考訳）: SSD-MobileNetV2を用いたリアルタイムマスク検出
• Authors: Chen Cheng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 2.538209532048867
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: After the outbreak of COVID-19, mask detection, as the most convenient and effective means of prevention, plays a crucial role in epidemic prevention and control. An excellent automatic real-time mask detection system can reduce a lot of work pressure for relevant staff. However, by analyzing the existing mask detection approaches, we find that they are mostly resource-intensive and do not achieve a good balance between speed and accuracy. And there is no perfect face mask dataset at present. In this paper, we propose a new architecture for mask detection. Our system uses SSD as the mask locator and classifier, and further replaces VGG-16 with MobileNetV2 to extract the features of the image and reduce a lot of parameters. Therefore, our system can be deployed on embedded devices. Transfer learning methods are used to transfer pre-trained models from other domains to our model. Data enhancement methods in our system such as MixUp effectively prevent overfitting. It also effectively reduces the dependence on large-scale datasets. By doing experiments in practical scenarios, the results demonstrate that our system performed well in real-time mask detection.
• Abstract（参考訳）: 新型コロナウイルスの感染拡大後、マスク検出は最も便利で効果的な予防手段であり、感染予防とコントロールにおいて重要な役割を果たす。 優れたリアルタイムマスク検出システムは、関連するスタッフの作業圧力を低減できる。 しかし,既存のマスク検出手法を解析した結果,主に資源集約型であり,速度と精度のバランスが良くないことがわかった。 現在、完璧なマスクのデータセットはありません。 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。 本システムでは,マスクロケータと分類器としてssdを使用し,さらにvgg-16をmobilenetv2に置き換え,画像の特徴を抽出し,多くのパラメータを削減する。 したがって、本システムは組み込みデバイスにデプロイできる。 トランスファー学習法は、トレーニング済みモデルを他のドメインからモデルに転送するために使用されます。 mixupなどのシステムにおけるデータエンハンスメント手法は,過剰フィッティングを効果的に防止する。 また、大規模なデータセットへの依存を効果的に低減する。 実際のシナリオで実験を行うことで,本システムがリアルタイムマスク検出に有効であることを示す。

関連論文リスト

• ColorMAE: Exploring data-independent masking strategies in Masked AutoEncoders [53.3185750528969]
  Masked AutoEncoders (MAE)は、堅牢な自己管理フレームワークとして登場した。 データに依存しないColorMAEという手法を導入し、ランダムノイズをフィルタすることで異なる二元マスクパターンを生成する。 ランダムマスキングと比較して,下流タスクにおける戦略の優位性を示す。
  論文  参考訳（メタデータ） (2024-07-17T22:04:00Z)
• Mask Propagation for Efficient Video Semantic Segmentation [63.09523058489429]
  ビデオセマンティックベースライン劣化(VSS)は、ビデオシーケンス内の各ピクセルにセマンティックラベルを割り当てることを含む。 SSSSと呼ばれるVSSのための効率的なマスク伝搬フレームワークを提案する。 当社のフレームワークは,フレーム単位のMask2Formerと比較して最大4倍のFLOPを削減し,Cityscapes検証セット上では最大2% mIoUしか使用できない。
  論文  参考訳（メタデータ） (2023-10-29T09:55:28Z)
• A transfer learning approach with convolutional neural network for Face Mask Detection [0.30693357740321775]
  本稿では,トランスファー学習とインセプションv3アーキテクチャに基づくマスク認識システムを提案する。 マスクやマスクのない顔に加えて、マスクの誤用も検出できる。
  論文  参考訳（メタデータ） (2023-10-29T07:38:33Z)
• 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)
• Development of a face mask detection pipeline for mask-wearing monitoring in the era of the COVID-19 pandemic: A modular approach [0.0]
  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。
  論文  参考訳（メタデータ） (2021-12-30T12:32:33Z)
• Adaptive Shrink-Mask for Text Detection [91.34459257409104]
  既存のリアルタイムテキスト検出器は、ストリップマスクによってテキストの輪郭を直接再構築する。 予測された収縮マスクへの依存は不安定な検出結果をもたらす。 スーパーピクセルウィンドウ (SPW) はネットワークを監督するように設計されている。
  論文  参考訳（メタデータ） (2021-11-18T07:38:57Z)
• 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)
• 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)
• 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)
• Face Mask Assistant: Detection of Face Mask Service Stage Based on Mobile Phone [35.26022029969275]
  新型コロナウイルスの原因であるシンドロームウイルス2(SARS-CoV-2)は、小さな呼吸液滴によって伝達される。 発生源での拡散を抑制するため、マスクを着用することは便利で効果的な手段である。 携帯電話を用いた検知システムを提案する。
  論文  参考訳（メタデータ） (2020-10-09T08:49:52Z)

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。