Görüntüleme
16
İndirme
1
Tüm dünyayı etkisi altına alan COVID-19 salgını nedeniyle ülkeler insanların yüz maskesi takmasını zorunlu hale getirdi. Çünkü maske takmak virüsün bulaşma riskini azaltmak için en etkili yöntemlerden biri olarak kabul edilmektedir. Ancak insanların maske takıp takmadığını manuel olarak kontrol etmek zordur. Bu çalışmada derin bir sinir ağı kullanılarak kalabalık ortamlarda her türlü yüz maskesini algılayan bir modelin geliştirilmesi amaçlanmıştır. Derin öğrenme algoritmalarından biri olan ve nesne tespiti için kullanılan Mask R-CNN, insanların maske durumlarını tespit etmek ve sınıflandırmak için kullanıldı. Önerilen derin öğrenme modeli, üç sınıf (maskeli, maskesiz, yanlış maske kullanımı) içeren 853 görüntüden oluşan bir veri seti kullanılarak k-kat çapraz doğrulama ile eğitildi ve test edildi. Omurga mimarisi olarak ResNet101 seçildi ve COCO modeli kullanılarak transfer öğrenmesi gerçekleştirildi. Önerilen Mask R-CNN modeli, %83'lük bir mAP, %90'lık bir mAR ve %86'lık bir F1 puanına ulaşmıştır. Bu sonuçlar önerilen modelin maske tespitinde başarılı olduğunu ortaya koymaktadır.
Due to the COVID-19 pandemic, which has affected the whole world, countries have made it mandatory for people to wear face masks. Because wearing a mask is considered one of the most effective methods to reduce the risk of transmission of the virus. However, it is difficult to manually check whether people are wearing masks. It is aimed to develop a model that detects all kinds of face masks in crowded environments using a deep neural network in this study. Mask R-CNN, which is one of the deep learning algorithms and used for object detection was used to detect and classify people’s mask states. The proposed deep learning model was trained and tested with k-fold cross-validation using a dataset of 853 images containing three classes (with mask, without a mask, incorrect use of mask). ResNet101 backbone was chosen as the backbone architecture and transfer learning was performed using the COCO model. The proposed Mask R-CNN model achieves an mAP of 83%, an mAR of 90%, and an F1 score of 86%. These results reveal that the proposed model is successful in mask detection.
Dergi Türü : Ulusal
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
