論文の概要: A Real-time Face Mask Detection and Social Distancing System for COVID-19 using Attention-InceptionV3 Model

• arxiv url: http://arxiv.org/abs/2411.05312v1
• Date: Fri, 08 Nov 2024 04:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-11 14:54:32.182990
• Title: A Real-time Face Mask Detection and Social Distancing System for COVID-19 using Attention-InceptionV3 Model
• Title（参考訳）: アテンション・インセプションV3モデルを用いたリアルタイムマスク検出とソーシャルディスタンシングシステム
• Authors: Abdullah Al Asif, Farhana Chowdhury Tisha,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: One of the deadliest pandemics is now happening in the current world due to COVID-19. This contagious virus is spreading like wildfire around the whole world. To minimize the spreading of this virus, World Health Organization (WHO) has made protocols mandatory for wearing face masks and maintaining 6 feet physical distance. In this paper, we have developed a system that can detect the proper maintenance of that distance and people are properly using masks or not. We have used the customized attention-inceptionv3 model in this system for the identification of those two components. We have used two different datasets along with 10,800 images including both with and without Face Mask images. The training accuracy has been achieved 98% and validation accuracy 99.5%. The system can conduct a precision value of around 98.2% and the frame rate per second (FPS) was 25.0. So, with this system, we can identify high-risk areas with the highest possibility of the virus spreading zone. This may help authorities to take necessary steps to locate those risky areas and alert the local people to ensure proper precautions in no time.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)の影響で、現在世界で最も深刻なパンデミックの1つが起きている。 この伝染性ウイルスは世界中の山火事のように広がっています。 世界保健機関(WHO)は、このウイルスの拡散を最小限に抑えるため、マスクを着用し、体距離を6フィート(約6m)に維持するためのプロトコルを義務付けている。 本稿では,その距離の適切な維持を検知するシステムを開発し,マスクの使用の有無を適切に評価する。 本システムでは,これら2つのコンポーネントの識別に,カスタマイズされたアテンションインセプションv3モデルを用いている。 私たちは2つの異なるデータセットと10,800の画像を使用しました。 トレーニングの精度は98%、検証の精度は99.5%に達した。 精度は98.2%、フレームレートは25.0である。 そこで,本システムにより,ウイルス拡散帯の可能性が最も高い高リスク領域を特定できる。 このことは、当局がこれらの危険な地域を見つけるために必要な手順を採り入れ、地元住民にすぐに適切な予防措置をとれるよう警告するのに役立つかもしれない。

関連論文リスト

• 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)
• 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)
• 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)
• COVID-19 personal protective equipment detection using real-time deep learning methods [0.0]
  215カ国以上でcovid-19が急速に拡大しているため、学校や職場への安全な帰還のためにマスクや手袋を推奨する人たちもいる。 公共エリアで自動顔面マスクや手袋検出に人工知能とディープラーニングアルゴリズムを使用しました。
  論文  参考訳（メタデータ） (2021-03-27T11:07:11Z)
• 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)
• 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)
• Decentralized Privacy-Preserving Proximity Tracing [50.27258414960402]
  DP3TはSARS-CoV-2の普及を遅らせるための技術基盤を提供する。 システムは、個人やコミュニティのプライバシーとセキュリティのリスクを最小限にすることを目的としている。
  論文  参考訳（メタデータ） (2020-05-25T12:32:02Z)

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。