طراحی سیستمی بهینه جهت تشخیص ماسک با استفاده از یادگیری عمیق به منظور جلوگیری از گسترش کووید ۱۹

تشخیص چهره به عنوان یکی از مهم ترین مسائل در زمینه پردازش ماشین و بینانی ماشین ، در سال های اخیر تکامل یافته است و بسیاری از الگوریتم های جدید با استفاده از معماری های کانولوشنی ایجاد شده اند تا راه را برای این عرصه هموار تر سازند. پس از همه گیری کرونا هوش مصنوعی به طور گسترده در جهت کنترل و شناخت این بیماری الخصوص در زمینه تشخیص ماسک مورد استفاده واقع شد اما بسیاری از روش های ارائه شده یا نیاز به سخت افزار های خاص دارند و یا برای آموزش ، نیازمند زمان زیاد و سیستم های قوی می باشند. در این مقاله تلاش شده است با بهره گیری از یادگیری انتقالی ، قابلیت استخراج ویژگی شبکه عصبی vgg۱۶ و قدرت طبقه بندی الگوریتم knn به ایجاد روشی بهینه با هدف بهره گیری از بینایی ماشین، در جهت پردازش چهره افراد به منظور تشخیص صورت های با ماسک و بدون ماسک ایجاد کرده ، تا با جلوگیری از تردد افراد بدون ماسک در مکان های سربسته عمومی و کنترل گسترش بیماری کویید ۱۹ در مناطق کم بضاعت ،گامی کوچک در جهت گسترش این بیماری برداشت.

Keywords:

تشخیص ماسک , یادگیری عمیق , شبکه کانولوشنی , یادگیری انتقالی , کوید ۱۹ , بینایی ماشین Vgg۱۶ , Knn ,