[论文解读] COVID-19 personal protective equipment detection using real-time deep learning methods

Shayan Khosravipour, Erfan Taghvaei+1 more|arXiv (Cornell University)|Mar 27, 2021

Infection Control and Ventilation参考文献 32被引用 6

一句话总结

本文提出了一种基于 YOLOv3 和 SSD MobileNet 模型的实时深度学习系统，用于在公共场所检测口罩和手套，训练数据集包含 8,250 张图像。该系统在多类别检测（口罩、无口罩、手套、无手套、佩戴不当）中分别实现了 90.6% 的 mAP（YOLO）和 85.5% 的 mAP（SSD），展现出在识别不规范个人防护装备使用方面的高精度，有助于支持疫情防控。

ABSTRACT

The exponential spread of COVID-19 in over 215 countries has led WHO to recommend face masks and gloves for a safe return to school or work. We used artificial intelligence and deep learning algorithms for automatic face masks and gloves detection in public areas. We investigated and assessed the efficacy of two popular deep learning algorithms of YOLO (You Only Look Once) and SSD MobileNet for the detection and proper wearing of face masks and gloves trained over a data set of 8250 images imported from the internet. YOLOv3 is implemented using the DarkNet framework, and the SSD MobileNet algorithm is applied for the development of accurate object detection. The proposed models have been developed to provide accurate multi-class detection (Mask vs. No-Mask vs. Gloves vs. No-Gloves vs. Improper). When people wear their masks improperly, the method detects them as an improper class. The introduced models provide accuracies of (90.6% for YOLO and 85.5% for SSD) for multi-class detection. The systems' results indicate the efficiency and validity of detecting people who do not wear masks and gloves in public.

研究动机与目标

• 开发一种自动化系统，用于检测公共场所中口罩和手套的正确与不正确使用情况，以减少 COVID-19 的传播。
• 评估两种深度学习模型——YOLOv3 和 SSD MobileNet——在包含 8,250 张图像的自定义数据集上的多类别个人防护装备（PPE）检测性能。
• 评估模型在区分正确、错误及缺失 PPE 使用情况（包括不规范佩戴口罩）方面的准确性。
• 为疫情期间公共健康指南的监控与执行提供一种可扩展、实时的解决方案。

提出的方法

• 使用 DarkNet 框架训练 YOLOv3，并使用 SSD MobileNet 在从互联网收集的 8,250 张图像的自定义数据集上进行目标检测。
• 采用迁移学习对两种模型在五类检测任务（口罩、无口罩、手套、无手套、佩戴不当）上进行微调。
• 使用平均平均精度（mAP）和平均平均召回率（mAR）作为评估指标，IOU 阈值范围为 0.5 至 0.95。
• 将真正例（TP）定义为 IOU ≥ 阈值的检测结果，假正例（FP）为 IOU < 阈值的检测结果，假负例（FN）为未被检测到的真实标注。
• 通过设置 maxDets=1, 10, 100，评估不同目标尺寸（小、中、大）和检测置信度水平下的性能表现。
• 对检测结果和误分类样本进行定性分析，以评估模型在真实场景下的行为表现。

实验结果

研究问题

• RQ1 YOLOv3 和 SSD MobileNet 在实时公共场所监控中检测多种 PPE 类别（口罩、手套、佩戴不当）的效率如何？
• RQ2 在不同 IOU 阈值和目标尺寸下，YOLOv3 与 SSD MobileNet 在 mAP 和 mAR 方面的性能表现有何差异？
• RQ3 模型在检测不规范佩戴的口罩和手套方面表现如何？这类情况在实际部署中具有关键挑战性。
• RQ4 模型能否在复杂公共场所场景中有效检测到小尺寸和中尺寸目标（如手套）？
• RQ5 在公共安防系统部署中，哪种模型在准确性、推理速度和计算效率之间提供了更优的权衡？

主要发现

• 在 IOU=0.5 时，YOLOv3 的 mAP 达到 90.6%，高于 SSD MobileNet 的 85.5%，表明其整体检测精度更优。
• YOLOv3 在检测小目标（如手套）方面优于 SSD，所有 IOU 阈值下均表现出更高的精度和更优的定位能力。
• SSD 在 IOU=0.75 时与真实框对齐更好，但该优势在真实公共场所监控中不如检测精度重要。
• YOLOv3 在“佩戴不当”类别上表现更强，显著减少了对不合规人员的漏检。
• YOLOv3 在所有目标尺寸下均保持高精度，而 SSD 在小目标（尤其是手套）上表现较差。
• 尽管 mAP 较低，SSD 在 maxDets=100 时表现出更高的平均召回率（58.6% vs. 52.5%），表明其在高检测阈值下具有更全面的检测覆盖能力。