机构名称：
¥ 1.0
2019年冠状病毒疾病爆发引起了广泛的破坏。世界卫生组织建议戴上面具，以及其他公共卫生措施，例如社会疏远，遵循医疗指南和热扫描，以减少传播，减轻医疗保健系统的负担以及保护人群群体。然而，戴着面具，可以用作屏障或盾牌，以减少感染者的感染传播，从而隐藏了大多数面部特征，例如鼻子，嘴和下巴，面部检测系统取决于该系统，这会导致这些系统的弱点。本文旨在为有兴趣开发和实施基于深度学习的面罩检测系统的研究人员和从业人员提供基本见解。尽管当前的深度学习模型在许多应用程序中取得了重大的进步和巨大的进步，包括安全性，访问控制和身份验证，但仍在继续发展。本文还讨论了用于培训和评估这些模型的数据集的重要性，强调了对掩模类型，面部遮挡，照明条件和高质量数据等各种数据的需求，以增强模型性能。除了由现实世界条件带来的挑战外，可以影响检测准确性，面部检测和面罩识别方法还与深度学习模型进行了比较，在这些模型中，多任务ARCFACE模型的准确性达到99.78，这是其他检测方法最高的精度。
基于深度学习的面罩检测：评论
主要关键词
相关文件推荐
