10、基于MobileNetV2的深度学习面部口罩检测及相关技术探讨

基于MobileNetV2的深度学习面部口罩检测及相关技术探讨

1. 研究背景与意义

在新冠疫情的大背景下，佩戴口罩、保持社交距离和勤洗手成为了重要的防疫措施。其中，准确的面部口罩检测技术对于疫情防控至关重要。目前虽然已有一些口罩检测系统，但效率和准确性仍有待提高。本研究结合深度学习算法和图像处理技术，使用MobileNetV2构建了一个更高效、准确的口罩检测系统，旨在为疫情防控提供有力支持。

2. 相关工作背景

此前有Jinsu Lee等人提出“Integrated Method for CNN Acquisition Models”，通过CNN在数字摄影和视频中查找特定类别的物品，分阶段实现目标检测。Sebastian Handrich等人提出“Face Attribute Detection using MobileNetV2 and NasNetMobile”，使用MobileNetV2和NasNetMobile测量面部特征，在处理时间和准确性上有一定优势，但这些系统的准确性仍有提升空间。

3. 系统实现步骤

3.1 数据集分析

从Kaggle下载了包含戴口罩和未戴口罩人员图像的外部数据集，其中戴口罩图像1915张，未戴口罩图像1918张。将80%的图像用作训练数据，20%用作测试数据。

3.2 模型训练

• 模型选择 ：采用MobileNetV2卷积神经网络架构，它基于扭曲残差结构，适用于移动设备，是有效的特征提取器，用于目标检测和分割。
• 参数设置