$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 딥러닝을 위한 마스크 착용 유형별 데이터셋 구축 및 검출 모델에 관한 연구
The Study for Type of Mask Wearing Dataset for Deep learning and Detection Model 원문보기

Journal of biomedical engineering research : the official journal of the Korean Society of Medical & Biological Engineering, v.43 no.3, 2022년, pp.131 - 135  

황호성 (을지대학교 의료인공지능학과) ,  김동현 (시냅스이미징) ,  김호철 (을지대학교 방사선학과)

Abstract ▼ AI-Helper 아이콘AI-Helper

Due to COVID-19, Correct method of wearing mask is important to prevent COVID-19 and the other respiratory tract infections. And the deep learning technology in the image processing has been developed. The purpose of this study is to create the type of mask wearing dataset for deep learning models a...

주제어

#Mask detection   #Deep learning   #Object classification   #Object detection  

표/그림 (5)

참고문헌 (24)

  1. Esposito Susanna, Principi Nicola. To mask or not to mask children to overcome COVID-19. European journal of pediatrics, 2020;179.8:1267-1270. 

    상세보기

  2. 장경철, et al. 쉴리렌 광학 기법을 활용한 COVID-19 대응 올바른 마스크 착용법에 대한 연구. 대한기계학회 춘추학술대회, 2020;599-602. 

  3. Lee Se-Hoon, et al. Development of CCTV for Identification of Maskless Wearers based on Deep Learning. In: Proceedings of the Korean Society of Computer Information Conference. Korean Society of Computer Information, 2020;317-318. 

  4. Cho Won-Young, et al. Development of AI Systems for Counting Visitors and Check of Wearing Masks Using Deep Learning Algorithms. In: Proceedings of the Korean Society of Computer Information Conference. Korean Society of Computer Information, 2020;285-286. 

  5. 이승호. 출입 통제에 활용 가능한 딥러닝 기반 마스크 착용 판별. 한국산학기술학회 논문지, 2020;21.8:395-400. 

  6. Quinonero-candela Joaquin, et al. (ed.). Dataset shift in machine learning. Mit Press, 2008. 

  7. Hui David S, et al. Exhaled air dispersion during coughing with and without wearing a surgical or N95 mask. PloS one, 2012;7.12:e50845. 

    상세보기

  8. https://korean.cdc.gov/coronavirus/2019-ncov/prevent-gettingsick/ about-face-coverings.html Accessed on 06 May 2022. 

  9. https://www.cdc.gov/coronavirus/2019-ncov/downloads/Howto- TakeOff.pdf Accessed on 06 May 2022. 

  10. Lee Se-Hoon, et al. Development of CCTV for Identification of Maskless Wearers based on Deep Learning. In: Proceedings of the Korean Society of Computer Information Conference. Korean Society of Computer Information, 2020;317-318. 

  11. Bochkovskiy Alexey, Wang Chien-Yao, Liao Hong-Yuan Mark. Yolov4: Optimal speed and accuracy of object detection. arXiv preprint arXiv:2004.10934, 2020. 

  12. Iandola Forrest N, et al. SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and < 0.5 MB model size. arXiv preprint arXiv:1602.07360, 2016. 

  13. Redmon Joseph, et al. You only look once: Unified, real-time object detection. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2016;779-788. 

  14. Redmon Joseph, Farhadi Ali. Yolov3: An incremental improvement. arXiv preprint arXiv:1804.02767, 2018. 

  15. Kuznetsova Anna, Maleva Tatiana, Soloviev Vladimir. Detecting apples in orchards using YOLOv3 and YOLOv5 in general and close-up images. In: International Symposium on Neural Networks. Springer, Cham, 2020;233-243. 

  16. Ge Zheng, et al. Yolox: Exceeding yolo series in 2021. arXiv preprint arXiv:2107.08430, 2021. 

  17. Erhan Dumitru, et al. Scalable object detection using deep neural networks. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2014;2147-2154. 

  18. Girshick Ross, et al. Rich feature hierarchies for accurate object detection and semantic segmentation. In: Proceedings of the IEEE conference on computer vision and pattern recognition. 2014;580-587. 

  19. Sengupta Abhronil et al. Going deeper in spiking neural networks: VGG and residual architectures. Frontiers in neuroscience, 2019;13:95. 

    상세보기

  20. Targ Sasha, Almeida Diogo, Lyman Kevin. Resnet in resnet: Generalizing residual architectures. arXiv preprint arXiv: 1603.08029, 2016. 

  21. Zhang Pan, Yang Ling, Li Daoliang. EfficientNet-B4-Ranger: A novel method for greenhouse cucumber disease recognition under natural complex environment. Computers and Electronics in Agriculture, 2020;176:105652. 

    상세보기

  22. Girshick Ross. Fast r-cnn. In: Proceedings of the IEEE international conference on computer vision. 2015;1440-1448. 

  23. 서희철, 박유민, 조영주. 신종 감염병 확산에 따른 마스크 착용효과 인지를 위한 VR 연동 "Wearing a Mask" SW 교육 제안. 한국컴퓨터정보학회 학술발표논문집, 2020;28.2:625-628. 

  24. 후쉬펑, 임현석, 곽정환. YOLO 모델 앙상블을 이용한 복잡한 장면에서의 Mask Detection 기법. 한국컴퓨터정보학회 학술발표논문집, 2022;30.1:97-98. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로