文献

J-GLOBAL ID：202202240928587504   整理番号：22A0231007

FMD-Yolo:公衆におけるCOVID-19予防と制御のための効率的な顔マスク検出法【JST・京大機械翻訳】

FMD-Yolo: An efficient face mask detection method for COVID-19 prevention and control in public

著者 (4件)： Wu Peishu (Department of Instrumental and Electrical Engineering, Xiamen University, Fujian 361005, China) ,  Li Han (Department of Instrumental and Electrical Engineering, Xiamen University, Fujian 361005, China) ,  Zeng Nianyin (Department of Instrumental and Electrical Engineering, Xiamen University, Fujian 361005, China) ,  Li Fengping (Institute of Laser and Optoelectronics Intelligent Manufacturing, Wenzhou University, Wenzhou 325035, China)
資料名： Image and Vision Computing  (Image and Vision Computing)
巻： 117  ページ： Null  発行年： 2022年 
JST資料番号： A0611C  ISSN： 0262-8856  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： コロナウイルス病2019(COVID-19)は世界規模の流行性であり,この病気の効率的な予防と防除は世界的な科学コミュニティの焦点となっている。本論文では,新しい顔マスク検出フレームワークFMD-Yoloを提案し,人々が公衆の正しい方法でマスクをマスクするかどうかをモニタし,それはウイルス伝送をブロックする有効な方法である。特に,特徴抽出器は,Res2Netモジュールと深い残差ネットワークを組み合わせたIm-Res2Net-101を使用し,そこでは,階層的畳込み構造,変形可能畳込みと非局所機構の利用により,入力からの情報抽出を徹底できる。その後,強化経路集合ネットワークEn-PANを特徴融合のために適用して,そこで,高レベル意味情報と低レベル詳細を十分併合して,モデルロバスト性と一般化能力を強化することができた。さらに,位置決め損失をモデル訓練段階で設計し,採用し,マトリックスNMS法を推論段階で用いて,検出効率と精度を改善した。ベンチマーク評価は,他の8つの最先端の検出アルゴリズムと比較して,2つの公開データベースに関して実行した。IoU=0.5レベルにおいて,提案したFMD-Yooは,2つのデータセットに関して92.0%と88.4%の最良精度AP50を達成して,IoU=0.75におけるAP75は,第2のものと比較して,それぞれ5.5%と3.9%を改良して,それは,理論的価値と実際的重要性の両方による顔マスク検出におけるFMD-Yooの優位性を実証した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  畳込み ,  データベース ,  ネットワーク ,  特徴抽出 ,  残差 ,  位置決め ,  *検出法 ,  予防 ,  検出効率 ,  ベンチマーク ,  ロバスト性 ,  防除
準シソーラス用語： 意味情報 ,  検出アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (4件)： 顔マスク検出 ,  COVID-19 ,  改良YoloV3アルゴリズム ,  特徴抽出と融合

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： FMD ,  公衆 ,  COVID-19 ,  予防 ,  顔マスク ,  検出法