چکیده

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. محصولات اخیر نتایج امیدوارکننده ای را در همین رابطه نشان داده است. این مقاله رویکردهای سیستماتیک مختلفی را مورد بحث و مقایسه قرار می‌دهد که تصاویر را تجزیه و تحلیل نموده و مشخص می‌کند که آیا فرد ماسک صورت را به درستی، نادرست و یا اصلاً استفاده نموده است یا خیر. تشخیص ماسک بر روی تصاویر، ویدئوها و سیستمهای نظارتی در زمان واقعی، با استفاده از سه الگوریتم یادگیری ماشینی پرکاربرد انجام می‌شودYolon3 ، Yolon5 و MobileNet-SSD V2 هرمدل 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:

Yolon3

Yolon5

MobileNet-SSD

mAP, FPS

نویسندگان:

مریم فردی، کوروش داداش تبار احمدی^*

دانشکده مهندسی کامپیوتر هوش مصنوعی، دانشگاه صنعتی مالک اشتر، تهران، ایران.

DOR:

دانلود فایل مقاله                    منابع                   XML