یک رویکرد یادگیری انتقالی با شبکه عصبی کانولوشنال برای تشخیص افراد دارای ماسک از روی تصاویر

نویسندگان

1 دانشکده فنی و مهندسی میانه - دانشگاه تبریز - میانه - ایران

2 دانشکده فنی و مهندسی - دانشگاه مراغه - مراغه - ایران

3 دانشکده فنی مهندسی میانه - دانشگاه تبریز - میانه - ایران

doi
10.22034/jasp.2022.48447.1167
چکیده

با توجه به همه‌گیری ویروس کرونا (کووید-۱۹) 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 مکان‌های عمومی و شلوغ را بهترین روش پیشگیرانه معرفی کرده است. این مقاله یک سیستم برای شناسایی افراد دارای ماسک پیشنهاد می‌کند 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 می‌بیند و با تنظیم بهینه فراپارامتر‌ها و طراحی دقیق بخش تمامأ متصل سعی می‌کند دقت سیستم پیشنهادی را افزایش دهد. از مزایای سیستم پیشنهادی این است که می‌تواند علاوه بر صورت‌های دارای ماسک و بدون ماسک، حالت‌های استفاده غیر صحیح از ماسک را نیز تشخیص دهد. از این‌رو روش پیشنهادی تصاویر چهره ورودی را به سه دسته تقسیم‌بندی خواهد کرد. نتایج آزمایشی، دقت و کارایی بالای روش پیشنهادی را در موضوع فوق نشان می‌دهند؛ بطوری‌که این مدل در داده‌های آموزش به دقت ٪99/47 و در داده‌های آزمایشی به دقت ٪99/33 دست یافته است.