مقایسه شبکه های عصبی YOLOV۳ ،YOLOV۵S و MOBILENET-SSD V۲ برای تشخیص ماسک صورت در زمان واقعی
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 130
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJDCS-5-1_007
تاریخ نمایه سازی: 4 اردیبهشت 1402
چکیده مقاله:
امروزه، یادگیری عمیق با استفاده از موارد متعدد پتانسیل واقعی خود را نشان میدهد و در حوزههای مختلف تکنولوژیکی اهمیت دارد.یکی از پرطرفدارترین کاربردهای یادگیری عمیق، تشخیص و ردیابی اشیا است. محصوالت اخیر نتایج امیدوارکننده ای را در همین رابطه نشانداده است. این مقاله رویکردهای سیستماتیک مختلفی را مورد بحث و مقایسه قرار می دهد که تصاویر را تجزیه و تحلیل نموده و مشخصمیکند که آیا فرد ماسک صورت را به درستی، نادرست و یا اصال استفاده نموده است یا خیر. تشخیص ماسک بر روی تصاویر، ویدئوها وسیستمهای نظارتی در زمان واقعی، با استفاده از سه الگوریتم یادگیری ماشینی پرکاربرد انجام می شود Yolon۳ ،Yolon۵ و-MobileNetV۲ SSDهرمدل وجود ماسک را روی صورت افراد تشخیص میدهد که بر اساس دقت آنها و میزان سرعت پردازش ویدیو قضاوت میشود.نتایج عملکرد سه الگوریتم برای تشخیص وجود ماسک صورت بر روی یک فرد در زمان واقعی بر حسب FPS تعیین میگردد.
کلیدواژه ها:
نویسندگان
مریم فردی
دانشکده مهندسی کامپیوتر هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران، ایران.
کوروش داداش تبار احمدی
دانشکده مهندسی کامپیوتر هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران، ایران.