Gerçek zamanlı yüz maskesi algılama uyarı sistemi

Abstract

Gerçek zamanlı maske tespiti ve tahmini, iki aşamada kurulan derin öğrenme kullanılarak yapılan araştırmaların ana hedefleridir; ilk aşama, görüntü sınıflandırması için önceden eğitilmiş bir MobileNetV2 ağı kullanarak bir modeli eğitmekti. Eğitim verilerimiz iki kategoriye ayrılmış (maskesiz maske) 1785 görüntüydü. İkinci aşamada, 'Single Shot Multi-box Detector' (SSD) dedektörü ve ResNet-10 mimarisini kullanarak gerçek zamanlı video akışlarında yüzleri algılamak için OpenCV kütüphanesini kullanıyoruz. Daha sonra bu sonuçları, birinin maske takıp takmadığını belirlemek için modelimize girdi olarak kullanırız. F1 puanı yüzde 100, model doğruluğu ise yüzde 99.72 idi. ?Eğitim verileri çeşitli kaynaklardan elde edilmiş ve tamamı internetten indirilmiştir.

Real-time mask detection and prediction are the main objectives of research using deep learning, which was established in two stages; the first stage was training a model using a pre-trained MobileNetV2 network for image classification. Our training data was 1785 images divided into two categories (mask without mask). In the second stage, we use the OpenCV library to detect faces in real-time video streams using the 'Single Shot Multi-box Detector' (SSD) detector and the ResNet- 10 architecture. Then we utilize these results as inputs to our model to determine whether or not someone is wearing a mask. The F1 score was 100 percent, while the model accuracy was 99.72 percent. ?Training data was obtained from various sources, and all downloaded from the internet.