مقایسه شبکه های عصبی mobilenet-ssd v2 وyolov5s ، yolov3 برای تشخیص ماسک صورت در زمان واقعی

امروزه، یادگیری عمیق با استفاده از موارد متعدد پتانسیل واقعی خود را نشان میدهد و در حوزه های مختلف تکنولوژیکی اهمیت دارد. یکی از پرطرفدارترین کاربردهای یادگیری عمیق، تشخیص و ردیابی اشیا است. محصولات اخیر نتایج امیدوارکننده ای را در همین رابطه نشان داده است. این مقاله رویکردهای سیستماتیک مختلفی را مورد بحث و مقایسه قرار می دهد که تصاویر را تجزیه و تحلیل نموده و مشخص میکند که آیا فرد ماسک صورت را به درستی، نادرست و یا اصلا استفاده نموده است یا خیر. تشخیص ماسک بر روی تصاویر، ویدئوها و سیستمهای نظارتی در زمان واقعی، با استفاده از سه الگوریتم یادگیری ماشینی پرکاربرد انجام می شود yolon3 ،yolon5 و-mobilenet v2 ssdهرمدل وجود ماسک را روی صورت افراد تشخیص میدهد که بر اساس دقت آنها و میزان سرعت پردازش ویدیو قضاوت میشود. نتایج عملکرد سه الگوریتم برای تشخیص وجود ماسک صورت بر روی یک فرد در زمان واقعی بر حسب fps تعیین میگردد.

compare neural networks yolov3 ، yolov5s،mobilenet-ssd v2 to detect face masks in real time

surveys, evaluations using multiple cases show their true potential and there are important technologies in various fields. one of the most popular applications of concepts is object recognition and tracking. recent products show promising results in this regard.these systems can be compared and compared, which analyzes the images and determines whether the person has used the mask correctly, incorrectly or not at all. mask detection is performed on real-time video and surveillance systems using three widely used machine image algorithms: yolon3, yolon5 and mobilenet-ssd v1. recognized. will be judged.the performance results of the three algorithms for detecting the presence of a face mask on a person in real time are determined in terms of fps..