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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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.