基于注意力残差网络的口罩佩戴规范检测算法

姜月武; 张玉金; 施建新

doi:10.13873/J.1000-9787(2023)02-0140-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于注意力残差网络的口罩佩戴规范检测算法

计算与测试 | 更新时间：2025-09-11

- 基于注意力残差网络的口罩佩戴规范检测算法
- 暂无标题
- 传感器与微系统 2023年第2期页码：140-144
- 作者机构：
  
  上海工程技术大学电子电气工程学院
- 作者简介：
- 基金信息：
  
  上海市科委重点项目(18511101600);上海市自然科学基金资助项目(17ZR1411900);上海高校青年教师培养资助计划项目(ZZGCD15090)
- DOI：10.13873/J.1000-9787(2023)02-0140-05
  中图分类号： R181.8;TP391.41
- 纸质出版：2023
- 稿件说明：
移动端阅览
姜月武, 张玉金, 施建新. 基于注意力残差网络的口罩佩戴规范检测算法[J]. 传感器与微系统, 2023,(2):140-144.
姜月武, 张玉金, 施建新. 基于注意力残差网络的口罩佩戴规范检测算法[J]. 传感器与微系统, 2023,(2):140-144. DOI： 10.13873/J.1000-9787(2023)02-0140-05.

DOI：

摘要

COVID—19已经在全球蔓延，阻断病毒传播途径是人们目前控制COVID—19传播的主要方法。在人员密集场所佩戴口罩可有效地切断病毒传播途径。现有的口罩检测算对鉴别佩戴口罩的规范性仍具有较大的挑战。为解决口罩佩戴规范性检测问题，提出了一种结合注意力机制和残差网络的口罩佩戴规范检测算法。通过注意力机制进行佩戴口罩部位的特征强化，实现口罩佩戴规范性识别。同时设计了一种口鼻检测器，结合现有的口罩数据集，使用口鼻特征检测器将数据集细分为规范佩戴口罩、不规范佩戴口罩，增加无口罩数据构成实验数据集。实验结果表明：该算法的平均预测准确率为97.240%。该方法可有效识别口罩佩戴的规范性，具有一定的实用价值。

Abstract

关键词

Keywords

references

新型冠状病毒的病原学和流行特征[J]. 鹿振辉;张顺先.中国人兽共患病学报,2020(05)

改进RetinaFace的自然场景口罩佩戴检测算法[J]. 牛作东;覃涛;李捍东;陈进军.计算机工程与应用,2020(12)

新型冠状病毒肺炎疫情期口腔医院防护标准(四)——口罩选择标准[J]. 关素敏;孔亮;侯锐;张艳霞;刘雯;孙书恺;张毅;邱尔臣;刘蕊;刘䶮;郝宝莲;张铭.实用口腔医学杂志,2020(02)

基于扩展的Haar-Like特征和LBP特征的人脸压缩跟踪算法[J]. 曹洁;唐瑞萍;李伟.传感器与微系统,2019(11)

Grad-CAM: Visual Explanations from Deep Networks via Gradient-Based Localization[J]. Ramprasaath R. Selvaraju;Michael Cogswell;Abhishek Das;Ramakrishna Vedantam;Devi Parikh;Dhruv Batra.International Journal of Computer Vision,2020

RetinaFace: Single-stage Dense Face Localisation in the Wild.[J]. Jiankang Deng;Jia Guo;Yuxiang Zhou;Jinke Yu;Irene Kotsia;Stefanos Zafeiriou.CoRR,2019

浏览量

379

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

一种新型注意力机制的双人交互行为识别方法

面向校园场景视频监控的人体行为识别方法

基于改进U²-Net的摇床精矿带图像分割方法

基于改进卷积神经网络的膝关节图像分类研究

基于RGB-D的像素级抓取检测算法研究