拜访【WRITE-BUG 数字空间】_[内附残缺源码和文档]
新型冠状病毒能够通过空气中的飞沫、气溶胶等载体进行流传，在公共场所下正确佩戴口罩能够无效地避免病毒的流传。本试验介绍了一种天然场景下人脸口罩佩戴检测办法，该办法对 RetinaFace 算法进行了改良，减少了口罩人脸识别检测工作，优化了损失函数。在特色金字塔网络中引入了一种改良的自注意力机制，加强了特色图的表达能力。建设了蕴含 3000 张图片的数据集，并进行手工标注，用于网络训练。试验结果表明该算法能够无效进行口罩佩戴检测，在天然场景视频中也获得了不错的检测成果。
一、题目
基于 RetinaFace 的口罩人脸检测算法
二、摘要
新型冠状病毒能够通过空气中的飞沫、气溶胶等载体进行流传，在公共场所下正确佩戴口罩能够无效地避免病毒的流传。本试验介绍了一种天然场景下人脸口罩佩戴检测办法，该办法对 RetinaFace 算法进行了改良，减少了口罩人脸识别检测工作，优化了损失函数。在特色金字塔网络中引入了一种改良的自注意力机制，加强了特色图的表达能力。建设了蕴含 3000 张图片的数据集，并进行手工标注，用于网络训练。试验结果表明该算法能够无效进行口罩佩戴检测，在天然场景视频中也获得了不错的检测成果。
三、引言
自 2019 年 12 月以来，在我国暴发了新型冠状病毒肺炎（COVID-19）流传疫情，到目前为止（2021 年 6 月 13 日），依据世界卫生组织公布的最新消息，寰球最新数据 | 每日更新截至北京工夫 6 月 13 日 16 时：寰球累计确诊 176,302,983 例，累计死亡病例 3,805,609 例，现有确诊病例 12,204,415 例。新型冠状病毒具备极强的传染性，它能够通过接触或者空气中的飞沫、气溶胶等载体进行流传，而且在合适环境下能够存活 5 天。因而勤洗手、佩戴口罩能够无效升高被病毒传染的机率。国家卫生衰弱委员会公布的《新型冠状病毒感化肺炎预防指南》中强调，集体外出返回公共场所、就医和乘坐公共交通工具时，佩戴医用内科口罩或 N95 口罩。因而在疫情期间公共场所佩戴口罩预防病毒传播是每个人的责任，这不仅须要集体自觉遵守，也须要采取肯定的伎俩监督和治理。随着深度学习在计算机视觉畛域的倒退，基于神经网络的指标检测算法在行人指标检测、人脸检测、遥感图像指标检测、医学图像检测和天然场景文本检测等畛域都有着宽泛的利用，本试验介绍介绍一种无效的指标检测算法。
3.1 国内钻研现状剖析
随着新型冠状病毒的暴发和蔓延，越来越多的人们意识到传统人脸识别零碎的局限性，其中一部分人曾经开始钻研在 iPhone 设置中再增加一个戴着口罩状况下的 FaceID 的办法，然而并未实现。与此同时，国内的汉王科技致力于打造出“人形辨认 + 口罩检测 + 疫情上报 + 大数据联动”综合零碎，并且采纳“社区治理 + 门禁考勤”的模式，将 AI 贯彻落实到防疫工作中。此外，百度还发表收费开源业内首个口罩人脸检测及分类模型，致力于缓解国内疫情现状。
3.2 国外钻研现状剖析
国外针对基于深度学习的人脸识别办法的研究成果颇丰。尼德. 米勒钻研小组首先将深度学习利用于人脸识别畛域，并获得了肯定的辨认准确率，推动了过后的科学研究。最近几年，基于深度学习的人脸识别算法辨认准确率失去了很大的晋升。Facebook 提出了一种采纳基于检测点的人脸检测办法，被称为 DeepFace；此外，Google 提出了 FaceNet 警技术，该技术再次刷新了 LFW 上人脸验证的成果记录。再者是国外对于基于深度学习的指标检测算法的钻研，Girshick 等人首先提出了在 R-CNN 的模型，随后又在其根底上提出 FastR-CNN 模型，引入指标区域池化（ROI）和单层金字塔池化层解决了候选框反复计算的问题。近几年，国外通过构建精美的区域倡议网络 (RegionProposalNetwork，RPN) 取代工夫开销大的选择性搜寻办法，提出了 FasterR-CNN 模型，使实时检测辨认成为可能。而上述三种模型都是基于区域倡议的办法，还有一种办法是无区域倡议的办法，此办法的标志性的算法有 SSD、YOLO，核心思想是用繁多的卷积网络间接基于整幅图像来预测指标的地位及其属性，也称为 one-stage 指标检测。YOLO 和 SSD 是目前为止最先进的指标检测计划之二，可能在一幅图像中同时检测和分类对象，并且通过不断改进，可能在原有的根底上援用锚点 (anchor) 和残差网络，进一步提高模型的体现。