「AI 口罩检查官」上线,0.3 秒检查口罩佩戴情况
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 口罩检查官」上线,0.3 秒检查口罩佩戴情况相关推荐
- 「AI 质检员」在富士通上岗,效率比人工高 25%
日本第一 IT 厂商富士通,于近日宣布开发了用于检测产品外观异常的 AI 技术,从而节省人力成本.材料成本等,同时也可节省声誉损失和退货/召回相关的成本,「无人工厂」已来. 来源 | Hyper超神经 ...
- 「AI 质检员」在富士通工厂上岗,检测效率比人工提升 25%
来源:HyperAI超神经本文约1500字,建议阅读5分钟日本第一 IT 厂商富士通,于近日宣布开发了用于检测产品外观异常的 AI 技术,从而节省人力成本.材料成本等,同时也可节省声誉损失和退货/召回 ...
- 腾讯「AI In All」的背后,是开放AI技术能力,探索腾讯应用场景
来源:灯塔大数据 概要:过去一年中,我们听到不少公司在谈到未来的时候都会谈到一个词,叫做「All In AI」,腾讯在 AI 方面的战略也用一个词概括,那就是「AI In All」. 「过去一年中,我 ...
- 吴恩达:诸位CEO,我有一本「AI转型秘籍」传授给你
机器之心报道 参与:泽南.张倩.李亚洲 CEO 们应该如何借助 AI 对自己的企业进行转型?吴恩达在今年 8 月份时曾发布 Twitter 表示在与众多 CEO 交流过后,将会发布一个面向公司管理层的 ...
- 本周AI热点回顾:动森首届「AI 顶会」即将召开、《我的世界》里搭建神经网络、一位中国博士把整个CNN都给可视化了
01 重要通知:动物森友会首届「AI 顶会」ACAI 2020即将召开 众所周知,因为疫情的原因,ICML.ICLR.CVPR 等人工智能顶级会议都已经改为了线上举办. 自从 AAAI 2020 之后 ...
- 如何吸引全球级「AI大咖」,BAT等大佬怎么说?
点击上方"Ai时速" 智慧赢未来! Ai时速 让我们因着Ai的兴趣 一起PK分享.一起进化成长 圈子|机会|洞见|未来 2017年人工智能发展的元年,各大企业火力全开比拼人工智 ...
- 深度分析这一年「AI大咖」,最重要的跳槽原因是……
点击上方"Ai时速" 智慧赢未来! Ai时速 让我们因着Ai的兴趣 一起PK分享.一起进化成长 圈子|机会|洞见|未来 2017年人工智能发展的元年,各大企业火力全开比拼人工智 ...
- DeepMind | 手撕MuZero算法「AI核心算法」
注:耕智能,深耕AI脱水干货 作者: 饼干Japson 报道:深度强化学习实验室 转载请联系作者 前言 1 算法简介 1.1 背景 1.2 理解算法思想 2 模型图文讲解 2.1 MuZero中模 ...
- 「AI不惑境」数据压榨有多狠,人工智能就有多成功
https://www.toutiao.com/a6703348023008690701/ 大家好,今天开始就进入了专栏<AI不惑境>的更新了,这是第一篇文章,讲述数据如何驱动深度学习. ...
最新文章
- 【神经网络】(2) 网络优化,案例:服装图像分类,附python完整代码
- ESP8266和MQTT
- SAP Spartacus ConfigurationService
- Codeforces Round #585 (Div. 2) F. Radio Stations 2-sat + 神仙建模
- 【LeetCode】【HOT】98. 验证二叉搜索树(递归)
- mysql索引的概念和作用_索引的基本概念及作用
- factorymenu什么意思_宏基20lsquo;显示屏AUTO和MENU是什么意思,在什么位置_已解决 - 阿里巴巴生意经...
- 用机器学习拯救“智障”聊天机器人,谷歌开放分析平台Chatbase
- 进程池和线程池 concurrent.futures import ProcessPoolExecutor,ThreadPoolExecutor
- 程序员“不会”修电脑的原因
- SharePoint 2010 客户端对象模型使用 ECMAScript
- 泛微OA的http接口创建
- AdapterView适配器
- LLC谐振参数计算实例,mathcad格式,列出完整计算公式,软件自动计算并绘出增益曲线,方便修改设计参数
- Win7 64位系统下Auto CAD 2010注册激活,出现警告:Make sure you can write to current directory...
- 如何理解APS系统的生产排程?
- Unity CommandBuffer实现毛玻璃特效
- 数据抓取软件是如何抓取数据的?
- 郸城二高2021年高考成绩查询入口,2021年河南高考最高分多少分,历年河南高考状元...
- 大数据下的用户行为分析
热门文章
- java 创建日程到期提醒_在便签提醒类APP排行中哪个软件可以定时提醒每日日程待办?...
- 【LeetCode】剑指 Offer 19. 正则表达式匹配
- 【LeetCode】剑指 Offer 68 - II. 二叉树的最近公共祖先
- Maven项目中使用本地JAR包
- 5G关键技术研究方向
- Python-Flask构建微信小程序订餐系统-Flask打造高可用flask mvc框架-08
- mysql - 索引_07
- TCP UDP IP
- Telephone Calls
- [转载]C#实现软件自动更新思路