基于转移学习的级联深度学习网络和COVID-19的面具识别
Fengyin Li1, Xiaojiao Wang1, Yuhong Sun1
1School of Computer Science, Qufu Normal University, Rizhao City, Shandong Province China.
World wide web
|June 26, 2023
概括
这项研究引入了一个级联深度学习网络用于面具识别,提高了7%的检测准确度. 该系统有效地识别了戴口罩的行人及其类型,增强了公共安全措施.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 目前正在进行的COVID-19大流行需要有效的公共卫生措施,包括在公共场所强制佩戴口罩.
- 现有的口罩检测系统面临着非标准口罩类型 (例如,围巾,棉花口罩) 的挑战,导致潜在的绕道.
- 准确识别口罩的存在和类型对于公共卫生监督和安全至关重要.
研究的目的:
- 开发一种先进的口罩识别系统,能够检测行人佩戴的口罩的存在和类型.
- 通过采用级联深度学习方法,提高口罩检测系统的准确性和稳定性.
- 利用转移学习和轻量级网络架构来实现高效和有效的面具识别.
主要方法:
- 提出了基于MobilenetV3轻量级网络的级联深度学习网络架构.
- 修改了MobilenetV3网络,通过改变输出层激活功能和级联模型结构来进行级联.
- 集成转移学习与多任务卷积神经网络 (MTCNN) 面部检测和两个修改的MobilenetV3网络面具特征提取.
- 使用预训练的ImageNet参数训练了级联网络,以减少计算负载.
主要成果:
- 与单独修改的MobilenetV3网络相比,级联深度学习网络在分类准确度方面实现了7%的改进.
- 该系统在识别口罩的存在和类型方面表现出色.
- 整合MTCNN用于面部检测和级联MobilenetV3用于面具特征提取的集成证明是有效的.
结论:
- 拟议的级联深度学习网络可显著提高面具识别准确度.
- 该系统为检测各种类型的口罩提供了强大的解决方案,解决了以前系统的局限性.
- 开发的口罩识别系统可以在公共空间有效地部署,以提高安全性和遵守卫生指南.
