Mask R-CNN kullanarak COVID-19 için Yüz Maskesi Takma Durumunun Tespiti
-
Published:2022-07-24
Issue:
Volume:
Page:
-
ISSN:2148-3736
-
Container-title:El-Cezeri Fen ve Mühendislik Dergisi
-
language:en
-
Short-container-title:ECJSE
Author:
BATTAL Ahsen1, TUNCER Adem1
Affiliation:
1. YALOVA UNIVERSITY, FACULTY OF ENGINEERING, DEPARTMENT OF COMPUTER ENGINEERING, COMPUTER ENGINEERING PR.
Abstract
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.
Publisher
El-Cezeri: Journal of Science and Engineering
Subject
General Physics and Astronomy,General Engineering,General Chemical Engineering,General Chemistry,General Computer Science
Reference21 articles.
1. Sardogan, M., Tuncer, A., and Ozen, Y., Plant Leaf Disease Detection and Classification Based on CNN with LVQ Algorithm, In 2018 3rd International Conference on Computer Science and Engineering (UBMK), IEEE, 382-385, (2018). 2. Orman, A., Köse, U., and Yiğit, T., Açıklanabilir Evrişimsel Sinir Ağları ile Beyin Tümörü Tespiti, El-Cezeri Fen ve Mühendislik Dergisi, 2021, 8(3): 1323-1337. 3. Sardogan, M., Özen, Y., and Tuncer, A., Detection of Apple Leaf Diseases using Faster R-CNN, Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 2020, 8(1): 1110-1117. 4. Girshick, R., Donahue, J., Darrell, T., and Malik, J., Region-Based Convolutional Networks for Accurate Object Detection and Segmentation, IEEE Trans. Pattern Anal. Mach. Intell., 2015, 38(1): 142-158. 5. Ren, S., He, K., Girshick, R., and Sun, J., Faster R-CNN: Towards Realtime Object Detection with Region Proposal Networks, IEEE Trans. Pattern Anal. Mach. Intell., 2017, 39(6), 1137- 1149.
Cited by
1 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献
|
|