ВВЕДЕНИЕ 3
1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ 6
1.2 Контролируемое и неконтролируемое обучение 12
1.3 Глубокое обучение 13
1.4 Сверточные нейронные сети 16
2 ОБУЧЕНИЕ НЕЙРОСЕТИ И РЕАЛИЗАЦИЯ ПРОГРАММЫ 25
2.1 Предобученные модели 25
2.2 Сеть MobileNetV2 25
2.3 Используемый набор данных 28
2.4 Обнаружение лиц с использованием OpenCV 29
2.5 Программа для обучения нейронной сети 30
ЗАКЛЮЧЕНИЕ 34
ЛИТЕРАТУРА
Вопрос безопасности почти постоянно стоит перед всеми людьми, а в современном мире он почти всегда затрагивает компании. Решение этого вопроса предоставляется и совершенствуется с ростом свободы доступа к информации и технологиям, а также уровня вовлеченности людей в эти технологии. Например, обязанности охранника значительно сократились. Сегодня одним из наиболее востребованных подходов к осуществлению безопасности является использование камер. Трудно себе представить организацию, которая бы отказалась от них. Преимущества использования камер очевидны, но для более эффективного использования совмещаются возможности камер записывать видео с возможностями интеллекта человека - распознать, что или кто на этом видео. Камеры используются также для контроля качества работы сотрудников и общей ситуации на производстве компании.
Наряду с увеличением потребления систем видеомониторинга развиваются и технологии, используемые в системах. Так, например, все чаще и чаще можно встретить совместную работу видеокамер и искусственного интеллекта, который позволяет распознавать объекты на видео. Многие такие системы используются не только в сфере безопасности, но и, например, в системах автопилота. Искусственный интеллект предоставляет большие возможности для видеонаблюдения, среди которых есть распознавание лиц, людей и объектов, а также каких-то деталей вроде номерного знака автомобилей. Это позволяет реализовать все четыре функции видеоаналитики: обнаружение, слежение, распознавание и прогнозирование.
С декабря 2019 года пандемия COVID-19 оказала устойчивое влияние на многие страны мира. Она возникла в Ухане, Китай. Всемирная организация здравоохранения 11 марта 2020 года объявила его смертельным заболеванием. Все медицинские работники и организации, практикующие врачи и исследователи ищут подходящие вакцины и лекарства для борьбы с этой смертельной болезнью, разрабатываются разные вакцины.
При текущей ситуации в мире, когда коронавирусом COVID-19 заражается все больше людей, наличие защитных медицинских масок стало еще более актуальным. В автобусам, в местах общественного питания, в открытых учебных заведениях и в остальных местах массового скопления людей запрещено нахождение без маски. Однако не все и не всегда это проверяют.
Обнаружение маски для лица стало популярно из-за пандемии, которая требует от человека носить маски для лица, сохранять социальное дистанцирование и использовать дезинфицирующие средства для рук, чтобы мыть руки. В то время как другие проблемы социального дистанцирования и санитарной обработки были решены до сих пор, проблема обнаружения лицевых масок еще не решена должным образом.
Что касается этой пандемии можно в значительной степени уменьшить распространение вируса и серьезность заболевания, снижая риск передачи этого смертельного вируса от инфицированного человека к здоровому благодаря маскам и социальной дистанции. Однако, проблема распознавания маски появится в будущем опять.
Обнаружение маски лица оказалось удивительной проблемой в области обработки изображений и компьютерного зрения. Обнаружение лиц имеет различные варианты использования, от распознавания лиц до фиксации движений лица, когда последнее требует, чтобы лицо было выявлено с очень высокой точностью. Благодаря быстрому прогрессу в области алгоритмов машинного обучения, проблемы, связанные с технологией обнаружения по маске лица хорошо решены. Сегодня эта задача наиболее актуальна, потому что требуется обнаружение лиц не только на статических изображениях и видео, но и при проверке и наблюдении в реальном времени.
В связи со всем вышесказанным, целью данной работы является создание программы для распознавания маски на лице с использованием алгоритмов глубокого обучения.
Для достижения этой цели были поставлены следующие задачи:
1. Анализ методов, решающих задачу распознавания и/или обнаружения лиц.
2. Описание выбранного метода распознавания изображений.
3. Описание работы алгоритма сверточных нейронных сетей.
4. Описание алгоритма с предобученной сетью.
5. Разработка программы для распознавания наличия или отсутствия масок на лицах.
Научная новизна и практическая значимость этой работы заключается в том, что в результате будет получена модель нейросети для распознавания наличия или отсутствия защитной маски на лице.
В данной работе были рассмотрены методы, с помощью которых можно распознавать изображения и, в частности, лица людей на этих изображениях. В силу преимуществ использования сверточных нейронных сетей был выбран именно этот метод для обучения и распознавания.
В результате работы были достигнуты поставленные задачи и цель. Были изучены разные методы и выбран один, с помощью которого была решена распознавания наличия и/или отсутствия защитных масок на лицах людей.
Рассмотренная в работе предобученная модель дает большие возможности с небольшим для модели размерами. Это говорит о возможном дальнейшем использовании модели на различных устройствах. Возможным неоптимизированным местом может быть программа, которая использует обученную модель.
