論文の概要: Wearing face mask detection using deep learning through COVID-19 pandemic

• arxiv url: http://arxiv.org/abs/2305.00068v1
• Date: Fri, 28 Apr 2023 19:39:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 17:29:36.199071
• Title: Wearing face mask detection using deep learning through COVID-19 pandemic
• Title（参考訳）: 新型コロナウイルスパンデミックによる深層学習によるマスク検出
• Authors: Javad Khoramdel, Soheila Hatami, Majid Sadedel
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: During the COVID-19 pandemic, wearing a face mask has been known to be an effective way to prevent the spread of COVID-19. In lots of monitoring tasks, humans have been replaced with computers thanks to the outstanding performance of the deep learning models. Monitoring the wearing of a face mask is another task that can be done by deep learning models with acceptable accuracy. The main challenge of this task is the limited amount of data because of the quarantine. In this paper, we did an investigation on the capability of three state-of-the-art object detection neural networks on face mask detection for real-time applications. As mentioned, here are three models used, Single Shot Detector (SSD), two versions of You Only Look Once (YOLO) i.e., YOLOv4-tiny, and YOLOv4-tiny-3l from which the best was selected. In the proposed method, according to the performance of different models, the best model that can be suitable for use in real-world and mobile device applications in comparison to other recent studies was the YOLOv4-tiny model, with 85.31% and 50.66 for mean Average Precision (mAP) and Frames Per Second (FPS), respectively. These acceptable values were achieved using two datasets with only 1531 images in three separate classes.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックの間、マスクを着用したことが、新型コロナウイルスの感染拡大を防ぐための効果的な方法であることが知られている。 多くのモニタリングタスクにおいて、ディープラーニングモデルの優れたパフォーマンスのおかげで、人間はコンピュータに置き換えられている。 フェイスマスクの着用を監視することは、許容できる精度でディープラーニングモデルによって実行できる別のタスクである。 このタスクの主な課題は、隔離のために限られた量のデータである。 本稿では,リアルタイムアプリケーションのためのマスク検出における3つの最先端オブジェクト検出ニューラルネットワークの能力について検討した。 前述のように、Single Shot Detector(SSD)、You Only Look Once(YOLO)、YOLOv4-tiny、YOLOv4-tiny-3lの2つのバージョンが使用される。 提案手法では,実世界およびモバイルデバイスでの利用に適した最善のモデルとして,平均精度(map)が85.31%,フレーム/秒(fps)が50.66のyolov4-tinyモデルが提案されている。 これらの許容値は、3つのクラスで1531のイメージしか持たない2つのデータセットを用いて達成された。

関連論文リスト

• A Review and Implementation of Object Detection Models and Optimizations for Real-time Medical Mask Detection during the COVID-19 Pandemic [0.0]
  この研究は、Common Objects in Context(COCO)データセット上で最も基本的なオブジェクト検出モデルを評価する。 我々は、医療マスクを用いた人間の顔の話題的、未探索のデータセットをトレーニングするために、YOLOv5と呼ばれる非常に効率的なモデルを選択した。 医療用マスクの正確な検出に移動学習を用いたYOLOv5に基づく最適化モデルを提案する。
  論文  参考訳（メタデータ） (2024-05-28T17:27:24Z)
• Facial Emotion Recognition Under Mask Coverage Using a Data Augmentation Technique [0.0]
  異なる顔マスクを着用している個人からの感情を認識できる顔感情認識システムを提案する。 移動学習を用いて学習した4つの畳み込みニューラルネットワークの有効性を評価した。 Resnet50は優れた性能を示しており、人依存モードは73.68%、人依存モードは59.57%である。
  論文  参考訳（メタデータ） (2023-12-03T09:50:46Z)
• 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)
• Cut and Learn for Unsupervised Object Detection and Instance Segmentation [65.43627672225624]
  Cut-and-LeaRn(CutLER)は、教師なしオブジェクトの検出とセグメンテーションモデルをトレーニングするためのシンプルなアプローチである。 CutLERはゼロショット非監視検出器であり、11のベンチマークでAP50を2.7倍以上改善している。
  論文  参考訳（メタデータ） (2023-01-26T18:57:13Z)
• Could Giant Pretrained Image Models Extract Universal Representations? [94.97056702288317]
  本稿では,多種多様なコンピュータビジョンタスクに適用した凍結事前学習モデルについて述べる。 私たちの研究は、この凍結した設定にどのような事前学習タスクが最適か、凍結した設定を様々な下流タスクに柔軟にする方法、より大きなモデルサイズの影響について、質問に答えています。
  論文  参考訳（メタデータ） (2022-11-03T17:57:10Z)
• SSMTL++: Revisiting Self-Supervised Multi-Task Learning for Video Anomaly Detection [108.57862846523858]
  自己教師型マルチタスク学習フレームワークを再考し、元の手法にいくつかのアップデートを提案する。 マルチヘッド・セルフアテンション・モジュールを導入することで3次元畳み込みバックボーンを近代化する。 モデルをさらに改良するために,セグメントマップの予測などの自己指導型学習タスクについて検討した。
  論文  参考訳（メタデータ） (2022-07-16T19:25:41Z)
• A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19 [0.0]
  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。
  論文  参考訳（メタデータ） (2021-12-15T06:30:50Z)
• 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)
• 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)
• Automated Model Design and Benchmarking of 3D Deep Learning Models for COVID-19 Detection with Chest CT Scans [72.04652116817238]
  3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。 また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
  論文  参考訳（メタデータ） (2021-01-14T03:45:01Z)
• DeepSperm: A robust and real-time bull sperm-cell detection in densely populated semen videos [26.494850349599528]
  この研究はDeepSpermと呼ばれるアーキテクチャを提案し、課題を解決し、最先端のアーキテクチャよりも正確で高速である。 実験では,テストデータセット上で86.91 mAP,処理速度50.3 fpsを達成した。
  論文  参考訳（メタデータ） (2020-03-03T09:05:05Z)

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。