基于MaskR-CNN与SSD的口罩佩戴识别技术对比的研究

搜索

全文直达

引用

打印

摘要：近些年，由于计算机性能的极大提升以及人们生活中的更多需求，目标检测越来越广泛地被运用在了我们的日常生活中，从而也出现了非常多的用于目标检测，语义分割以及实例分割的深度学习的神经网络算法，传统的目标检测算法精准度低，而且需要耗费巨大的时间来完成滑动窗口工作，R-CNN以及FastR-CNN[4]的成功提出使得基于深度机器学习的目标检测机器学习算法逐渐变得高效,使得基于目标价的检测算法的精度和性能都有了质的提升和飞越,而在之后的FasterR-CNN[3]被何凯明提出之后这样的基于目标价和深度机器学习的目标检测机器学习算法已经开始逐渐变得成熟，由何凯明和RossGirshick等人提出的MaskR-CNN[1]的成功出现被认为是基于目标检测机器学习算法的一个重要里程碑，它不仅便利，速度快，而且精准度也非常高，能够非常高效地胜任目标检测、实例分割等工作。而SSD是另一种目标检测的算法，它是由WeiLiu等人提出[2]，它结合了yolo与FasterR-CNN的优点，具有速度极快的特点，同时在具有高效的训练速度以及在高速的识别下仍具有极高的准确性。而且MaskR-CNN与SSD非常灵活，当下正值疫情期间，如果能对每个人口罩的佩戴进行检测那么会对防控工作有一定的促进，我想通过使用MaskR-CNN和SSD来对人体的口罩佩戴进行一个识别。因为我寻找了一些佩戴了口罩的人脸图片来作为训练的数据集，我希望能够训练出一个识别口罩佩戴的模型从而快速地完成口罩佩戴的识别工作。

关键词：

MaskR-CNN；识别技术；研究

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2020,2(3)