| عنوان
|
یک رویکرد یادگیری انتقالی با شبکه عصبی کانولوشنال برای تشخیص افراد دارای ماسک از روی تصاویر
|
| عنوان مجله
|
پردازش سیگنال پیشرفته
|
| نوع پژوهش
|
مقاله چاپ شده
|
| کلیدواژه‌ها
|
ماسک، کووید-19، یادگیری انتقالی، شبکه عصبی کانولوشنال، معماری InceptionV3
|
| چکیده
|
با توجه به همه گیری ویروس کرونا (کووید-19) و انتقال سریع آن در سرتاسر دنیا، جهان با یک بحران بزرگ روبرو شده است. برای جلوگیری از شیوع ویروس کرونا سازمان بهداشت جهانی (WHO) استفاده از ماسک و رعایت فاصله اجتماعی در مکان های عمومی و شلوغ را بهترین روش پیشگیرانه معرفی کرده است. این مقاله یک سیستم برای شناسایی افراد دارای ماسک پیشنهاد می کند که بر پایه یادگیری انتقالی و معماری Inception v3 است. روش پیشنهادی با استفاده از دو مجموعه داده (SMFD) Simulated Mask Face Dataset و MaskedFace-Net (MFN) آموزش می بیند و با تنظیم بهینه فراپارامتر ها و طراحی دقیق بخش تمامأ متصل سعی می کند دقت سیستم پیشنهادی را افزایش دهد. از مزایای سیستم پیشنهادی این است که می تواند علاوه بر صورت های دارای ماسک و بدون ماسک، حالت های استفاده غیر صحیح از ماسک را نیز تشخیص دهد. از این رو روش پیشنهادی تصاویر چهره ورودی را به سه دسته تقسیم بندی خواهد کرد. نتایج آزمایشی، دقت و کارایی بالای روش پیشنهادی را در موضوع فوق نشان می دهند؛ بطوری که این مدل در داده های آموزش به دقت ٪99/47 و در داده های آزمایشی به دقت ٪99/33 دست یافته است.
|
| پژوهشگران
|
ابوالفضلیونسی (نفر اول)، رضاافروزیان (نفر دوم)، یوسفصیفاری (نفر سوم)
|