Face mask detection using deep learning methods
Derin öğrenme yöntemleriyle yüz maskesi tespiti
- Tez No: 753507
- Danışmanlar: DR. ÖĞR. ÜYESİ ZAFER İŞCAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Covid-19, Yüz Maskesi Algılama, Derin öğrenme, Transfer Öğrenme, OpenCV, Covid-19, Face Mask Detection, Deep learning, Transfer Learning, OpenCV
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 69
Özet
Çin'in Vuhan kentinde başlayan Covid-19 salgını, dünya çapında bir halk sağlığı sorunu haline gelmiştir. Virüs çoğunlukla hapşırma, öksürme, nefes alma veya konuşmanın neden olduğu solunum aerosollerinin solunması yoluyla yayılmakta, sağlık sorunlarına ve hatta ölüme neden olmaktadır. Dünya Sağlık Örgütü, insanların kişisel güvenliğini sağlamak, enfeksiyonun yayılmasını kontrol etmek ve önlemek için bir halk sağlığı stratejisi olarak yüz maskeleri takılmasını önermektedir. Bu çalışmada, OpenCV kütüphanesinde yer alan, derin öğrenme ve özellikle transfer öğrenmeyi temel alan EfficientNet-B7 modeli yüz maskesi algılama problemine uygulanmıştır. Seçilen model, görüntüdeki veya gerçek zamanlı videodaki yüzü tespit ederek ve insanların halka açık yerlerde, sağlık tesislerinde, ulaşımda, fabrikalarda vb. herhangi bir yüz maskesi takıp takmadığını belirleyerek COVID-19'un veya yaklaşan herhangi bir hastalığın yayılmasını sınırlamaktadır. Bu model, maskeli yüzler için MAFA veri setini ve maskesiz yüzler için LFW veri setini kullanarak diğer modellerle karşılaştırılmıştır. Seçilen model yüz maskesi olan ve olmayan kişileri tanımada %98.87 ortalama doğruluk elde ederken, diğer modeller MobileNetV2 modeli için %95.91, VGG19 modeli için %86.83 ve ResNet50 modeli için %68.31 doğruluk elde etmiştir. Covid-19'un neden olduğu tehdit yakın gelecekte, özellikle virüs mutasyonlarının bir sonucu olarak ortadan kalkabilecek olsa da, yeni pandemiler ortaya çıkabilir. Bu nedenle yüz maskesi tespiti her zaman bir sorun olacaktır.
Özet (Çeviri)
The Covid-19 outbreak, which began in Wuhan, China, has become a worldwide public health problem. The virus spreads mostly through inhaling respiratory aerosols caused by sneezing, coughing, breathing, or talking, and it can cause health complications and even death. The World Health Organization suggested that people wear face masks for personal safety and as a public health strategy to control and prevent the expansion of infection. In this study, EfficientNet-B7 model, which is based on deep learning and in particular transfer learning from the OpenCV library was applied to face mask detection problem. The selected model limits the spread of COVID-19 or any upcoming disease by detecting the face in the image or real-time video and determining whether the people are wearing any facial masks or not in public places, health facilities, transportation, factories, etc. This model has been compared to other models using the MAFA dataset for masked faces and LFW dataset for unmasked faces. The selected model achieved 98.87% average accuracy in recognizing people with and without a face mask while other models got an accuracy of 95.91% for the MobileNetV2 model, 86.83% for the VGG19 model, and 68.31% for the ResNet50 model. Although, the threat caused by the Covid-19 may fade in the near future, especially as a result of virus mutations, new pandemics might arise. Thus face mask detection will always be an issue.
Benzer Tezler
- COVID19 yayılımını azaltmak için yüz maskesinin evrişimsel sinir ağı modelleri ile tespiti
Detection of face mask with convolutional neural network models to reduce COVID19 spread
ASLIHAN DAŞGIN
Yüksek Lisans
Türkçe
2023
Yönetim Bilişim SistemleriAksaray ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. KEMAL ADEM
DR. ÖĞR. ÜYESİ SERHAT KILIÇARSLAN
- Yüz görüntülerinde derin üretken modeller ile anlamsal görüntü tamamlama
Semantic image completion with deep generative models in facial images
İLKAY ÇINAR
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT KÖKLÜ
- Mobil cihazlar ile derin öğrenme mimarisi kullanarak gerçek zamanlı video nesne izleme
Deep learning architectures for real-time video object tracking by mobile devices
ULAŞ TOSUN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Gerçek zamanlı yüz maskesi algılama uyarı sistemi
Real-time face mask detection with alert system
ALI ABBAS JASIM JASIM
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DR. MUSTAFA YAĞCI
- Gender detection system using advanced pre-trained deep learning models
Gelişmiş ön eğitimli cinsiyet tespit sistemi kullanarak derin öğrenme modeller
SADAF WAZIRY
Yüksek Lisans
İngilizce
2022
Bilim ve Teknolojiİstanbul Aydın ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. JAWAD RASHEED