口罩是阻止COVID-19 傳播的關鍵工具，而且經(jīng)證明，普遍使用口罩的效果最好。隨著商店和商業(yè)場所重新開放，我們需要確保所有進入人員均佩戴口罩。但監(jiān)測顧客所需的額外資源會進一步增加商店為滿足衛(wèi)生和社交隔離規(guī)定時業(yè)已承受的壓力。深度學習解決方案可以自動發(fā)現(xiàn)違反佩戴口罩規(guī)定的人員，節(jié)省員工時間，確保環(huán)境更加安全。

部署深度學習

深度學習是機器學習的一種形式，所采用的神經(jīng)網(wǎng)絡在輸入節(jié)點和輸出節(jié)點之間具有許多“深度”層。通過基于龐大的數(shù)據(jù)集訓練網(wǎng)絡，創(chuàng)建的模型可用于根據(jù)無形的數(shù)據(jù)進行精確預測。因此，經(jīng)訓練的網(wǎng)絡不僅可以檢測人員是否佩戴口罩，還可以檢測佩戴是否正確。

一套完全發(fā)揮作用的深度學習系統(tǒng)幾日內(nèi)即可完成開發(fā)和部署。Teledyne FLIR 工程師使用一臺 Firefly DL 攝像頭開發(fā)出了檢測合規(guī)性并標記違反強制性 PPE（個人防護設備）規(guī)定的用戶的系統(tǒng)?？谡謾z測數(shù)據(jù)集使用了兩個已公開的庫，包含超過 1000 張不同環(huán)境中佩戴口罩、未佩戴口罩及口罩佩戴錯誤的示例圖像。Teledyne FLIR 的Blackfly S GigE 也可用于此目的。

適應性強的解決方案

口罩數(shù)據(jù)集中的每個圖像都用邊界框添加了注釋，顯示對象的位置以及表明是否佩戴口罩、是否正確佩戴的類別標簽。深度學習開發(fā)人員和解決方案整合人員可以輕松擴展此解決方案，使之覆蓋現(xiàn)實世界中更復雜強大的部署用例。例如，神經(jīng)網(wǎng)絡可經(jīng)過訓練用于在醫(yī)院和機場等高風險/人流大環(huán)境中檢測面部防護、防護服、手套及其他 PPE。