典型文献
基于深度学习的口罩佩戴识别技术研究
文献摘要：
在公共场所佩戴口罩,是防止新型冠状病毒传染的最主要手段,在必要的场所,每个人都必须佩戴口罩以进行自我保护.在人群相对集中的公共场所,相互之间不可避免地存在遮挡干扰,从而产生了小范围内的复杂干扰识别问题.如果使用单一的卷积神经网络对口罩佩戴进行识别,有可能造成提取关键特征信息时聚焦度欠缺,出现特征提取不足等问题.因此本文提出一种两渠道卷积神经网络的佩戴口罩识别方法.在卷积神经网络的基础上,通过2个输入渠道,分别对眼睛区域和眼睛以下的区域,进行特征提取;最后通过基于决策层的信息融合方法,将2个渠道的识别结果加以融合,从而得到最终的识别结果,其平均识别准确率达到了98.8％.经过实验验证,该方法在佩戴口罩的识别上,取得了较好的识别准确率.
文献关键词：
新型冠状病毒;口罩识别;深度学习;卷积神经网络;融合技术
中图分类号：
作者姓名：
王俊秀;路旭鹏;郁晓庆
作者机构：
太原工业学院 计算机工程系,太原030008;中北大学 大数据学院,太原030051
文献出处：
引用格式：
[1]王俊秀;路旭鹏;郁晓庆-.基于深度学习的口罩佩戴识别技术研究)[J].智能计算机与应用,2022(08):110-113,118
A类：
B类：
口罩佩戴,识别技术研究,公共场所,佩戴口罩,自我保护,相互之间,遮挡,小范,干扰识别,对口,关键特征,特征信息,口罩识别,眼睛,决策层,信息融合,融合方法,识别准确率,融合技术
AB值：
0.248609
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
