Nov, 2023

基于深度学习的卷积神经网络模型进行佩戴口罩个体的分类和检测

PDF
TL;DR利用深度学习创建了一个实时检测视频和图像中口罩的模型，该研究旨在提高安全性，特别是敏感区域，通过图像预处理、图像裁剪和图像分类三个阶段来识别带口罩的人脸，并通过网络摄像头或闭路电视摄像机进行持续监控，如果发现没有戴口罩的人，则触发安全警报。
covid-19face masksdeep learningobject detectionsecurity
发现论文，激发创造
  • 从视频素材中检测口罩的深度学习框架

    该研究提出了一种基于深度学习的方法，利用 MTCNN 和 MobileNetV2 算法检测公共场所中戴口罩的人脸，使得公共场所的监督变得更加安全。

    Nov, 2020

  • 利用深度学习方法实时检测口罩：预防 Covid 19

    利用深度学习，我们提出了一种在实时场景中检测口罩的技术，适用于通过网络摄像头记录的静止或动态的单人或多人框架，我们的模型准确率高达 99%（白天的单人）至 74%（夜晚的多人）。

    Jan, 2024

  • 基于深度学习的 COVID-19 疫情期间佩戴口罩检测

    本文探讨了使用三种最先进的目标检测神经网络在实时应用中用于口罩检测的能力，并在只有 1531 张图片的三个单独的类别的数据集上，通过使用 YOLOv4-tiny 模型获得了 85.31% 和 50.66 的平均精度和秒数，分别是其他最近研究的最佳模型。

    Apr, 2023

  • COVID-19 疫情期间高效的遮盖人脸识别方法

    本文提出了一种基于遮挡和深度学习特征的可靠方法来解决口罩蒙面等遮挡因素下的人脸识别问题，并使用预训练的卷积神经网络提取眼睛和前额区域特征以及使用多层感知器分类识别。实验结果表明该方法有较高的识别性能。

    May, 2021

  • 一种基于卷积神经网络的人脸口罩检测迁移学习方法

    基于迁移学习和 Inception v3 架构的口罩识别系统，可以在拥挤的场所监测口罩的佩戴情况，并能准确分类口罩的正确和错误使用，实验结果表明其高准确率和效率（训练数据达到 99.47%，测试数据达到 99.33%）

    Oct, 2023

  • 热成像人脸图像的口罩检测和分类

    本文报道了使用热成像技术可以检测口罩佩戴的位置和类型，从而解决新冠病毒传播的问题，针对不同的深度学习模型，本文提出了一种 Yolov5 模型及一个基于卷积神经网络的自编码器分类器，准确率分别达到 97％和 91％。

    Apr, 2023

  • 利用社交距离和口罩检测的 COVID-19 监控系统在监控视频数据集上

    本文提出了一种基于目标检测、聚类和卷积神经网络的轻量级、稳健且全天候自动化视频监控系统，用于检测人体、社交距离违规、人脸及口罩分类，并提供了不同人脸检测和口罩分类模型的比较研究和基于视频标记的数据集标记方法，该系统在标记视频数据集上的准确率为 91.2％，F1 得分为 90.79％，预测时间平均为 7.12 秒。

    Oct, 2021

  • COVID-19 疫情期间实时医用口罩检测的对象检测模型及优化方案综述与实现

    本研究评估了基于卷积神经网络的最基本的目标检测模型在速度 / 准确性权衡方面的性能，并选择了一个高效的模型 YOLOv5 进行实时医用口罩检测的优化，提出了一个基于转移学习的优化模型，在维持相同的平均精度的情况下，其速度超过了 PWMFD 数据集上最先进的模型 SE-YOLOv3 的两倍以上（每秒 69 帧）。

    May, 2024

  • 使用 InceptionV3 迁移学习进行口罩检测

    提出了一种基于迁移学习和图像增强技术的深度学习模型来识别不戴口罩的人，该模型在模拟数据集上的训练和测试中表现出了很高的准确性。

    Sep, 2020

  • 佩戴口罩的面部图像深度伪造检测

    这篇论文探讨了现代深度学习网络在检测佩戴口罩的 Deepfake 技术方面的性能，并提出了两种不同的检测方法：面部裁剪和面部贴片。实验表明，面部裁剪比面部贴片更为有效，可用于识别现实世界中带口罩的人脸 Deepfake。

    Feb, 2022