「AI 口罩检查官」上线,0.3 秒检查口罩佩戴情况

人脸检测之是否佩戴口罩检测 作为一名人工智能专业的本科生,我在大一上的学习阶段中接触到了人脸检测。并且在老师的帮助下成功运用代码对一系列人脸图片进行识别与训练。下面我想来分享一下我训练模型过程中遇到的问题与训练成果。 人脸检测( Face Detection )和人脸识别技术是深度学习的重要应用之一。 人脸检测在当今社会已经非常普遍。人脸检测对于我们人类非常容易,出于社会生活的需要,我们大脑中有专门的人脸检测模块,对人脸非常敏感。但是计算机对于人脸的检测却是一个相对较难的问题。虽然人脸的结构是确定的,由眉毛、眼睛、鼻子和嘴等部位组 阅读详情

By 超神经

内容提要:口罩,已经成为疫情期间出门的标配。面对人员流动带来的疫情传播压力,车站、机场、地铁站等场合都严格检查出入人员体温、口罩佩戴情况等。百度在近日开源了一个口罩人脸检测及分类模型,除了识别人脸外,还可判断出他们是否佩戴口罩,识别及分类准确率分别达到 98% 和 96.5%。

关键词:佩戴口罩 人脸检测 判断分类

在疫情持续的当下,戴口罩且正确佩戴成为外出必备的通行证。但一对一的肉眼检查方式通行效率低,容易造成人群的被动聚集,增加了近距离接触的风险。

各地地铁站均要求乘客测体温,且佩戴口罩方可进站

近日,百度宣布免费开源业内首个口罩人脸检测及分类模型。

该模型可以有效检测在密集人流区域中,佩戴和未佩戴口罩的所有人脸,同时判断出他们是否佩戴口罩。

 

超 10 万张图片训练,0.3 秒可测戴口罩与否

据百度方面介绍,此次免费开源的自研口罩人脸检测及分类模型,是基于 2018 年百度发表于计算机视觉顶会 ECCV 的论文 PyramidBox,而研发的轻量级模型。

模型基于主干网络 FaceBoxes,对于光照、口罩遮挡、表情变化、尺度变化等常见问题具有很强的鲁棒性,并且能够在多种不同端、边、云设备上实时检测,在落地过程中做到真正实用。

模型适用于机场、火车站、汽车站、轮渡港口、医院

学校、企业、门店等人群密集的公共场所

据介绍,口罩人脸检测及分类模型,由两个功能单元组成,可以分别完成口罩人脸的检测和口罩人脸的分类。

经过测试,口罩人脸检测部分在准确度上达到了 98%,且口罩人脸分类部分的准确率达到了 96.5%,满足常规口罩检测需求。

检测模型功能演示,用户也可上传图片进行检测在线检测

地址:http://dwz.date/yrB

百度表示,新模型采用了超过十万张图片的训练数据,确保样本量足够且有效。基于大量数据的训练,实现了上述的准确率。

此外,该模型具有以下三个特点:

  • 无接触快速预警,且 7*24 小时守护:从检测开始到识别完成仅需 300ms,准确率效果大于 98%,精准判断未戴口罩人士。

  • 自动检测口罩佩戴是否正确:可以从俯视视角、平视视角精准判断口罩佩戴是否正确,有效排除口罩带反、露出口鼻、口罩上沿位于鼻子面部贴合等多种不合规情形,准确率效果大于 90%。

  • 支持多种部署形式:可以将口罩识别模型以公有云 API、私有化本地部署、设备端 SDK 多种形式使用,与客户自有业务灵活适配,可综合应用移动端 App、视频检测等多种业务中使用。

据该模型研发工程师介绍,开发者可基于自有场景数据还可进行二次模型优化,进一步提升模型准确率和召回率。

为了最大程度方便开发者应用,百度深度学习平台飞桨通过简单易用的预训练模型管理工具将人脸口罩检测模型开源出来,只需基本的 Python 编程能力,即可快速上手调用。

如果具有一定的移动端 App 开发能力,也可以快速将模型部署到移动端上。

 

PyramidBox,曾获 WIDER FACE 三料冠军

我们在此回顾一下上文所提到的论文,并了解其算法。

在国际顶级计算机视觉会议 ECCV 2018 上,百度发表了论文《PyramidBox:一种环境辅助的单步人脸检测器》。

论文地址:https://arxiv.org/pdf/1803.07737v1.pdf

这篇论文曾获得 WIDER FACE 三料冠军。算法聚焦检测难度大的人脸,比如小尺度、模糊、部分遮挡的面部,在 WIDER FACE 验证集和测试集的困难子集上达到了 88.9% 和 88.7% 的 mAP(mean Average Precision,即准确率)。

论文中介绍道,作者们在 FAN(Face Attention Network)提出了一个 anchor 级的关注机制,通过高亮面部区域的特征来检测被遮挡的人脸。

此外,还提出了一种基于 anchor 的环境辅助方法,即 PyramidAnchors,从而引入有监督的信息,来为较小的、模糊的和部分遮挡的人脸学习环境特征。

PyramidBox 架构。它包含主干网络层、低层级特征金字塔

网络层 (LFPN)、环境敏感的预测网络层等

由于在现实世界中,人脸从不单独出现,而是一般和肩膀或者身体一起,这提供了丰富的可利用的环境关联,尤其是面部纹理由于低分辨率,模糊或者遮挡不能被辨别时。

因此,论文作者提出了一个新的环境辅助的网络框架,充分利用了环境信号,步骤如下:

第一,网络不仅能学习面部特征,还能学习环境特征例如头部和身体。实现这个目标需要额外的标签,需要设计和这些部分匹配的 anchor。

本文用半监督的方案来生成环境部分的近似的标签,构造一系列叫做 PyramidAnchors 的 anchors。PyramidAnchors 可以很容易地添加到一般的基于 anchor 的结构中。

PyramidAnchors 自动生成,不需要额外标签

第二,高层次的环境特征应该和低层级的充分结合。检测难度高和低的面部的外观非常不同,意味着不是所有高层级的语义特征都对检测小目标有利。

作者们研究特征金字塔网络 (FPN) 的性能,并把它改成了低层级的特征金字塔网络 (LFPN),以结合相互有帮助的特征。

第三,预测分支网络应该充分利用结合了的特征。作者们采用环境敏感预测模块 (CPM) 用一个广而深的网络来吸收目标人脸周围的环境信息。

为了学习更有代表性的特征,困难样本的多样性非常重要,可以通过交叉样本的数据增强实现。

作者使用 WIDER FACE 训练集中的 12880 张图片训练 PyramidBox,并且使用了颜色扭转 (color distort),随机裁剪 (random crop) 和水平翻转 (horizontal flip) 等图像预处理手段。

—— 完 ——

扫描二维码,加入 AI 讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解详情

更多精彩内容(点击图片阅读)

AI计算机视觉进阶项目(一)——带口罩识别检测(2) 要求如下:检测出视频中的人是否带口罩,如果带了进行检测,该项目主要分为正常佩戴、未佩戴口罩以及不规范(漏鼻子)三个类别。训练的数据集有正常佩戴1915张、未佩戴口罩1918张以及不规范(漏鼻子)1919张数据。...... 阅读详情

相关推荐

人工智能之计算机视觉:利用Python语言编程实现人们是否带戴口罩的分类检测(30行代码搞定!)

人工智能之计算机视觉:利用Python语言编程实现人们是否带戴口罩的分类检测(30行代码搞定!) 目录 结果可视化 设计思路 全部代码 结果可视化 设计思路 全部代码 import paddle.fluid as fluid fluid.install_check.run_check() import matplo...

子曰教育公司-----Mr.牛 5536

使用AI智能检测口罩的开源项目:Mask_Detector

使用AI智能检测口罩的开源项目:Mask_Detector 去发现同类优质开源项目:https://gitcode.com/ 在当前全球公共卫生事件的背景下,佩戴口罩已经成为了一种重要的个人防护行为。然而,如何确保每个人都遵循这一规定呢?项目提供了一个创新的解决方案,它利用人工智能技术自动检测是否佩戴口罩,这对于公共场所的安全监控和健康管理具有重大意义。 项目简介 Mask_Detector是一个...

gitblog_00058的博客 658

疫情防护识别:是否戴口罩识别.pdf

使用ModelArts实现图像分类和目标检测任务; 入门人工智能,掌握人工智能项目开发流程,实践计算视觉的相关案例,体验华为云一站式AI开发平台。

AI 应用之 Custom Vision检测是否戴口罩

语雀知识库:https://www.yuque.com/seanyu/azure/customvision 公众号: 什么是自定义视觉(Custom Vision)什么是自定义视觉(Custom Vision) 自定义视觉是一种认知服务,用于生成、部署和改进自己的图像分类器。自定义视觉允许你确定要应用的标签,比如要对一组水果进行识别,你需要对待检测的水果打上诸如“苹果”“香蕉”“草...

yushuzhen2008的博客 2637

Mathtype公式下标深度调整技巧:解决固定行距下的显示不全问题

本文针对在Word等文档中设置固定行距时,Mathtype公式下标显示不全的问题,提供了专业解决方案。核心在于调整Mathtype软件内部的“下标深度”参数,通过修改单个公式或批量格式化全文,使公式完美适配固定行距,确保下标清晰完整,且不影响文档整体排版。

pepsi的博客 1504

spark3.x 写入hudi报错

【代码】spark3.x 写入hudi报错。

W2484980893的博客 1579

AI口罩“督查官”诞生记

作者 | 马超出品 | AI科技大本营(ID:rgznai100)在英国脱欧后,谷歌计划让英国用户的账号脱离欧盟的隐私监管政策,改用美国司法标准。尽管这样的修改让数千万英国用户的个人信息...

AI科技大本营 1739

【若依(ruoyi)】BootstrapTable列宽定制实战:突破width属性限制的两种方案

本文针对若依(RuoYi)框架中BootstrapTable组件列宽设置失效的常见问题,提供了两种实战解决方案。通过CSS样式覆盖法强制定义列宽,或利用formatter函数进行动态HTML包裹,有效突破width属性限制,实现精准的表格列宽定制。

weixin_29013129的博客 175

人工智能之口罩检测算法

由于疫情的影响,口罩检测已经成为各个程序员竞相开发的一种算法。 百度的人脸检测SDK使用的还不错,他们还把口罩检测也给开源了 我这里使用基于OPENCV的检测 一般的思路可能就是手机带有口罩和没有戴口罩的数据集进行训练,但是我暂时没有找到这些数据集,我就采用使用opencv原来带有的训练集先检测出人脸,然后再对人脸检测鼻子和嘴巴。但是由于opencv的检测鼻子和嘴巴的算法准确性不高,需要经过附加条...

鹏鹏的博客 1万+

Xilinx SDK调试与FPGA硬件验证全流程解析

本文详细解析了从Vivado导出硬件到Xilinx SDK进行调试与FPGA硬件验证的全流程。重点阐述了正确导出包含bitstream的硬件平台、创建合适的SDK工程、配置Debug会话以编程FPGA,并介绍了串口验证、自定义IP测试以及使用ILA进行软硬件联合调试的高级技巧,帮助开发者高效完成FPGA系统的软硬件协同开发与问题排查。

weixin_28327051的博客 311

IC芯片验证 - 手把手教你搭建UVM验证环境

这是一个UVM的demo项目

howard789的博客 3万+

拿起键盘,参加这四个数据比赛,一起战疫!

_By 超神经内容摘要:近期,在新冠疫情牵动社会人心之际,互联网企业、相关从业者、工程师们都用自己的行动加入了这场全民战疫中。我们向广大读者推荐以下四个即将开始或已经开始的数据科学竞赛。...

HyperAI超神经 1479

【经验&技巧】IBIS AMI模型眼图仿真问题探讨

在ADS的仿真环境中,不论发送和接收的AMI模型是否为true或者false,都可以将通道仿真设置为统计模式,但是,如果有一方的Init函数为false,在统计模式下,处于false状态的模型将不能执行其自带的后处理功能,如下图所示,左边的统计模式和右边的逐比特模式眼图存在明显的差异,原因在于,接收端的init函数为false导致在统计模式中不能对眼图进行DFE处理,换言之,此时统计模式下的眼图就是未经任何处理的“生图”。

一只豌豆象的博客 1767

(一)边缘AI:口罩检测

目录 介绍 AI口罩检测技术 结合Keras,MobileNet V2和OpenCV实现模型 YOLOv5 下一步 在本系列文章中,我们将学习如何轻松训练口罩检测器,以及(可选)将其部署在Raspberry Pi Board+ Coral USB加速器上。在这里,我们将讨论创建口罩检测器可以采用的不同方法。 介绍 在本系列文章中,我将带您完成大多数机器学习(ML)专家在职业生涯中必须处理的一项关键任务:计算机视觉。即使听起来像火箭科学,但不是!此外,即使我们将重点放在口罩检测器上,也可以将相

寒冰屋的专栏 1004

基于深度学习的灰度图像气泡群识别与优化

灰度图像气泡群深度学习识别优化研究 本研究针对MATLAB实现的深度学习气泡群识别系统在从1445个点到4992个点扩展时出现的精度不稳定问题,提出了一套完整的解决方案。文章首先分析了问题根源,包括数据复杂度增加、类别不平衡、网络容量不足等因素,然后系统性地提出了数据预处理增强、网络架构优化、训练策略调整和后处理算法改进等优化措施。通过改进的U-Net架构、自适应直方图均衡化等技术创新,有效提升了模型在大规模气泡群图像上的识别精度和稳定性,为化工、生物医学等领域的灰度图像分析提供了可靠的技术支持。

max500600的博客 413

【STM32系统】基于STM32设计的锂电池电量/电压检测报警器系统

本设计旨在研究一个基于STM32F103C8T6微控制器的锂电池电量/电压检测报警器系统,应用于便携式电子设备电池管理。系统通过STM32的ADC模块对18650锂电池电压进行采集,利用LCD1602显示模块实时显示电池电压,当检测到电池电量不足或电压异常时,蜂鸣器报警模块会发出警报提醒用户。系统采用简单的硬件结构和优化的软件架构,通过对实际电池电压数据的检测、处理和显示,实现了低功耗、实时监测的锂电池管理功能。本文将介绍系统的设计原理、硬件电路、软件实现以及调试测试过程。

嵌入式阿齐Archie 1万+

【人工智能】python代码检测人脸是否佩戴口罩,paddlehub

检测人脸是否佩戴口罩需要用到的是人工智能的paddlehub模块中的pyramidbox_lite_mobile_mask模型。 代码传送门: import paddlehub as hub import matplotlib.pyplot as plt import matplotlib.image as mpimg # 待预测图图片 test_img_path = ["1.jpg"] ...

HelenLee 2640

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

人体口罩佩戴检测实战

基于yolov3的人体口罩佩戴检测 由于2020年新型冠状病毒,针对公共场合检测人员是否佩戴口罩,故用YOLOV3完成一个人体口罩佩戴检测。 效果展示 环境 工欲善其事必先利其器 Python: 3.7.4 Tensorflow-GPU 1.14.0 Keras: 2.2.4 数据集 口罩检测数据集,从互联网上搜集的数据集,大概1k多张图片。 训练 准备数据集 按照VOC数据集的格式来准...

Mind_programmonkey的博客 1万+

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

目标检测-PaddleLite口罩识别的移动端部署实战

PaddleLite口罩识别的移动端部署实战 文章目录PaddleLite口罩识别的移动端部署实战1.准备编译环境1.1 Linux开发环境Android交叉编译环境要求配置环境具体步骤2.下载Paddlelite代码3.编译预测库4.将文件保存到手机5.在手机执行Demo6.查看结果 其他配置框架可参考以下: B站观看:https://www.bilibili.com/video/av888...

Joker Studio的博客 2391

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

YOLOv4目标检测实战:人脸口罩佩戴检测(识别)

课程演示环境:Ubuntu 课程链接:https://edu.csdn.net/course/detail/28860 需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:人脸口罩佩戴检测》 课程链接:https://edu.csdn.net/course/detail/29123 当前,人脸口罩佩戴检测是急需的应用,而YOLOv4是最新的强悍的目标检测技术。本课程使用YOLOv4实现实时的人脸口罩佩戴检测。课程提供超万张已标注人脸口罩数据集。训练后的Y..

bai666ai的博客 7077

口罩检测:人工自动生成戴口罩数据集、检测人脸是否戴口罩

日萌社 人工智能AI:Keras PyTorch MXNet TensorFlow PaddlePaddle 深度学习实战(不定时更新) 口罩,已经成为某些场合出门的标配 , 面对人员流动带来的疫情传播压力,车站、机场、地铁站等场合都严格检查出入人员体温、口罩佩戴情况等。百度在近日开源了一个口罩人脸检测及分类模型,除了识别人脸外,还可判断出他们是否佩戴口罩,识别及分类准确率分别达到 98% 和 96.5%。 功能: 1,在图像中检测是否佩戴口罩 2,实时视频流中的口罩检测 此数据集包含.

あずにゃん梓喵的博客 6574

开源!人脸口罩检测数据+模型+代码+在线网页体验

众志成城,抗击疫情。首先,我们向在一线抗击疫情的医护人员和各行各业的从业者致敬。祝愿我们早日战胜疫情,早日迎接春暖花开的那一天。近一个月来,新冠肺炎疫情牵动着全国人民的心,一线医护工作者...

fengdu78的博客 1万+

检测是否佩戴口罩

【--检测是否佩戴口罩--】 效果:可以识别人是否佩戴口罩,侧脸和遮挡情况也可识别。 参考源码链接:https://t.zsxq.com/N7yNFQv

Color Space的博客 1874

编写判断是否佩戴口罩代码流程

1. 收集数据集: 从网络上爬取一两千张戴口罩,未戴口罩(正常未戴口罩,手挡脸以及各种物品挡脸),各种年龄人口,拍摄角度的图片,确保样本的多样性和全面性。 2. 运用dlib、方向梯度直方图的技术,将图片的各种特征进行归一,在归一化处理后通过对眉毛的定位, 将图像粗略地分割成眼部区域和嘴巴区域图像,针对眼部区域,采用了两种检测算法,基于人脸中心线检测,和基于区域灰度分布特征的墨镜检测;针对嘴巴区域,在第四章中采用基于直线检测方法检测口罩, 即利用水平投影和变换来检测水平长直线使得图像识别更加准确,制作图像

weixin_51775736的博客 930

实时口罩佩戴检测

2020年开头真的很人意外,开年爆发了疫情。此次疫情牵动了各行各业,在这里衷心的感谢奋斗在一线的医疗工作者:您们辛苦了。作为一名非医专业的学生,在这样情况下,除了不乱跑以外,我也想以另一种方式去致敬那些保护着全国人民安全的工作人员。接下来就来分享一个实时口罩检测小demo 实现环境 Linux或者windows皆可 anaconda pytorch>=1.0 opencv>=3.0 工程目录 Load_model文件夹主要放置的是训练的识别模型 models文件夹下放置的是一些相关实现.

陶陶name 1047
上一篇: 科学家通过无人机,实现量子纠缠分发!
下一篇: 谷歌新一轮裁员,云计算部门 50 人首当其冲
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值