混合转移学习和广泛学习系统用于COVID-19时代的戴口罩检测
Bingshu Wang1, Yong Zhao2, C L Philip Chen3,4
1School of SoftwareNorthwestern Polytechnical University Suzhou 215400 China.
IEEE transactions on instrumentation and measurement
|November 20, 2023
概括
这项研究引入了一种混合机器学习方法,用于检测佩戴口罩的个人,这对于COVID-19大流行期间的公共卫生至关重要. 这种新的方法在识别各种场景中的口罩使用方面实现了高准确性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 公共卫生技术 公共卫生技术
背景情况:
- 随着COVID-19的流行,人们需要在公共场所进行有效的口罩检测.
- 现有的面部检测算法并不专门针对口罩检测.
- 监测口罩的遵守对于医院和机场等地区的感染控制至关重要.
研究的目的:
- 开发和评估一种强大的,两阶段的混合机器学习方法,用于检测戴口罩的人.
- 为培训和测试口罩检测模型引入一个全面的数据集.
主要方法:
- 一个两阶段的检测过程,将Faster R-CNN与InceptionV2相结合,用于候选区域的识别.
- 在第二阶段使用广泛的学习系统来验证实际的面具.
- 开发一个新的佩戴口罩检测 (WMD) 数据集,包含7,804张图像和26,403个标记口罩.
主要成果:
- 拟议的混合方法在简单场景中实现了97.32%的准确性.
- 该系统在复杂场景中显示出91.13%的准确性.
- 在新创建的WMD数据集上,性能超过了现有的方法.
结论:
- 拟议的两阶段混合机器学习方法对面具检测有效.
- 毁灭性武器数据集为推进这一领域的研究提供了宝贵的资源.
- 精确的口罩检测系统可以在流行病期间支持公共卫生倡议.
