典型文献
基于卷积神经网络口罩识别方法研究
文献摘要：
为了满足疫情形势下公共场所的智能化检测需求,该文提出了一种基于深度学习的人脸佩戴口罩识别方法,并对该方法进行识别准确率测试.该方法在可移动设备中应用,能够实现图像采集、图像处理、图像分析和结果输出的功能,其中图像分析方法是基于DarkNet-35卷积神经网络构建模型的,在主干网络中该模型采用多尺度特征学习及融合的构建模式.试验证明该模型可以检测侧拍、光线暗和佩戴不规范等问题,在测试口罩佩戴数据集上的检测精度为96.5％,检测速度为67 F/s.该口罩检测方案具有可移动、低成本以及易于部署等特点,可以满足多场所的检测需求.
文献关键词：
卷积神经网络;口罩识别系统;YOLOv3
中图分类号：
作者姓名：
蒋益鸣;范希喆;张美嘉;邱少君;付贵忠
作者机构：
苏州科技大学机械工程学院,江苏 苏州 215009
文献出处：
引用格式：
[1]蒋益鸣;范希喆;张美嘉;邱少君;付贵忠-.基于卷积神经网络口罩识别方法研究)[J].中国新技术新产品,2022(17):17-19
A类：
口罩识别系统
B类：
疫情形势,公共场所,智能化检测,人脸,佩戴口罩,识别准确率,可移动,移动设备,图像采集,图像分析,中图,DarkNet,网络构建,构建模型,主干网络,多尺度特征学习,构建模式,光线,口罩佩戴,检测精度,检测速度,口罩检测,检测方案,多场,YOLOv3
AB值：
0.363709
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。
