論文の概要: Detection of a facemask in real-time using deep learning methods:
Prevention of Covid 19
- arxiv url: http://arxiv.org/abs/2401.15675v1
- Date: Sun, 28 Jan 2024 14:45:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 17:05:42.312968
- Title: Detection of a facemask in real-time using deep learning methods:
Prevention of Covid 19
- Title（参考訳）: ディープラーニングを用いたリアルタイム顔マスク検出:Covid 19の防止
- Authors: Gautam Siddharth Kashyap, Jatin Sohlot, Ayesha Siddiqui, Ramsha
Siddiqui, Karan Malik, Samar Wazir, and Alexander E. I. Brownlee
- Abstract要約: 新たなコロナウイルス(Covid-19)は、私たちの日々の生活や世界貿易運動にすでに影響を与えています。
2021年4月末までに、世界保健機関(WHO)によると、新しいコロナウイルス(Covid-19)の感染者は144,358,956人、死者は3,066,113人となった。
本研究では,Webカメラで静止あるいは動作中に記録されたフレーム内の1人,複数人を対象として,ディープラーニングを用いた手法を提案する。
- 参考スコア（独自算出の注目度）: 37.265888777364594
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A health crisis is raging all over the world with the rapid transmission of
the novel-coronavirus disease (Covid-19). Out of the guidelines issued by the
World Health Organisation (WHO) to protect us against Covid-19, wearing a
facemask is the most effective. Many countries have necessitated the wearing of
face masks, but monitoring a large number of people to ensure that they are
wearing masks in a crowded place is a challenging task in itself. The
novel-coronavirus disease (Covid-19) has already affected our day-to-day life
as well as world trade movements. By the end of April 2021, the world has
recorded 144,358,956 confirmed cases of novel-coronavirus disease (Covid-19)
including 3,066,113 deaths according to the world health organization (WHO).
These increasing numbers motivate automated techniques for the detection of a
facemask in real-time scenarios for the prevention of Covid-19. We propose a
technique using deep learning that works for single and multiple people in a
frame recorded via webcam in still or in motion. We have also experimented with
our approach in night light. The accuracy of our model is good compared to the
other approaches in the literature; ranging from 74% for multiple people in a
nightlight to 99% for a single person in daylight.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)の感染が急速に拡大し、世界中で健康危機が拡大している。
世界保健機関(who)が発したcovid-19対策ガイドラインの中で、マスク着用が最も効果的だ。
多くの国ではマスクの着用を義務化しているが、混雑した場所でマスクを着用していることを保証するため、多くの人々の監視は難しい課題である。
新型コロナウイルス(covid-19)は、我々の日々の生活や世界貿易運動にすでに影響を与えています。
世界保健機関(who)によると、2021年4月末までに、世界は144,358,956人の新規コロナウイルス感染症(covid-19)が確認された。
これらの増加は、Covid-19の予防のためのリアルタイムシナリオにおいて、フェイスマスクの検出のための自動テクニックを動機付けている。
本研究では,Webカメラで静止あるいは動作中に記録されたフレーム内の1人,複数人を対象として,ディープラーニングを用いた手法を提案する。
私たちはまた、夜間光でアプローチを実験しました。
このモデルの正確性は文献の他の手法と比較すると良好であり、夜間の複数人の74%から昼間の1人の99%まで様々である。
関連論文リスト
- A Real-time Face Mask Detection and Social Distancing System for COVID-19 using Attention-InceptionV3 Model [0.0]
WHOはマスクを着用し、身体距離を6フィートに維持するプロトコルを義務付けている。
我々は,その距離の適切な維持を検知できるシステムを開発し,マスクの使用の有無を適切に評価した。
論文 参考訳（メタデータ） (2024-11-08T04:00:05Z) - A Survey on Masked Facial Detection Methods and Datasets for Fighting
Against COVID-19 [64.88701052813462]
新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。
この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。
本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
論文 参考訳（メタデータ） (2022-01-13T03:28:20Z) - 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) - Masked Face Recognition Challenge: The InsightFace Track Report [79.77020394722788]
新型コロナウイルス(COVID-19)が流行する中、ほとんどの人が顔認証に挑戦するマスクを着用している。
本ワークショップでは,顔マスクの存在下でのベンチマークによる深層顔認識手法に着目した。
論文 参考訳（メタデータ） (2021-08-18T15:14:44Z) - Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ
WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。
WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。
この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
論文 参考訳（メタデータ） (2021-08-16T15:51:51Z) - Face mask detection using convolution neural network [0.0]
本論文は,オフィスや多くの人が働く職場でマスクを装着するか否かを検知する手法を提案する。
このモデルは実世界のデータセットでトレーニングされ、ライブビデオストリーミングで高い精度でテストされる。
論文 参考訳（メタデータ） (2021-06-10T13:18:57Z) - 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) - 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) - Multi-Stage CNN Architecture for Face Mask Detection [0.0]
本研究では,フェイスマスクが適切に使用されていないインスタンスを検出できるディープラーニングシステムを提案する。
本システムは2段階の畳み込みニューラルネットワーク(CNN)アーキテクチャによって構成され,マスクやマスクのない顔を検出する。
これにより、安全違反の追跡、フェイスマスクの使用の促進、安全な作業環境の確保が期待できる。
論文 参考訳（メタデータ） (2020-09-16T12:23:21Z)
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。