UPES学生使用机器学习开发口罩检测系统
该系统利用监督学习(Supervised Learning)模式和PC网络摄像机(PC Web Camera),对戴口罩和不戴口罩的人进行检测,可以在大学、机场、医院、办公室等感染几率较高的场所使用
UPES学生阿比纳夫·穆德加尔(B.Tech。机电一体化批次2017-2021)已开发使用机器学习的口罩检测技术在机械工程系Natraj Mishra博士的指导下。
根据官方数据,印度的COVID-19检测阳性率很高。随着新冠肺炎患者数量开始减少,一些国家也解除了封锁。印度也在新冠肺炎疫情暴发1.0后,企业不得不恢复正常,为了保护自己和他人,戴上口罩是非常必要的。
米什拉博士说:“为了有效防止COVID-19的传播,有必要戴上口罩。因此,提高现有技术在蒙面人脸和非蒙面人脸上的人脸识别性能迫在眉睫。口罩检测平台使用机器学习来识别用户是否戴口罩。”
机器学习,最基本的是一种使用算法来分析数据,从中学习,然后决定或预测世界上的一些事情的实践。机器学习算法可以将过去学到的知识应用到新数据中,使用标记的例子来预测未来的事件。相比之下,当用于训练的信息既没有分类也没有标签时,就会部署无监督机器学习算法。阿比纳夫补充说:“无监督学习研究系统如何从未标记的数据中推断出一个函数来描述隐藏的结构。该系统不会计算出正确的输出,但它会探索数据,并可以从数据集中推断出未标记数据的隐藏结构。”
他进一步解释说,从分析一个已知的训练数据集开始,学习算法产生一个推断函数来预测输出值。“在经过充分的训练后,该系统能够为任何新的输入提供目标。学习算法还可以将其输出与正确的预期输出进行比较,并发现错误以相应地修改模型,”Abhinav说。
据Mishra博士介绍,在这个项目中,使用监督学习范式和PC网络摄像机开发了口罩检测系统,以检测戴口罩或不戴口罩的人。他说:“带面具和不带面具的数据集有助于训练模型,以识别人们是否戴面具。”
阿比纳夫进一步补充说,该项目的主要目标是在新冠病毒通过传染传播的可能性相对较高的大学、机场、医院和办公室实施这一系统。他说:“学生、旅行者、员工和工人的面部数据将在入口处的系统中捕获。如果发现任何人没有戴口罩,他们的照片将被发送给当局,以便他们能够迅速采取行动,并且个人将收到戴口罩的通知。口罩检测系统也会监控不戴口罩的员工,并提醒他们戴口罩。”
干得好,Mudgal
非常感谢。
不错. .值得称赞的努力。
谢谢你,女士!
无论是学习还是友谊,他在每件事上都令人难以置信。为你感到骄傲,阿比纳夫。
谢谢你的夸奖,Ankita!
真为你骄傲,阿比纳夫
谢谢你,女士。
保持良好的工作状态
谢谢你,女士!
又一次令人兴奋的工作,阿比纳夫!
谢谢你的夸奖,女士。
这只是你成就的开始。接下来会有更多的成就..为你感到骄傲❤️
谢谢你,斯维塔!
干得好,阿比纳夫
感谢先生一直以来的指导和支持。
祝贺你Abhinav mudgal wishing you all the best for your future.
谢谢你的热情问候!
伟大的工作
谢谢你,女士!
很棒的博客,一切顺利
很高兴你喜欢。谢谢你,先生!
另一个伟大的工作阿比纳夫....希望你们的工作能够帮助整个社会在当前的疫情中保持安全和健康,
保持下去,一切顺利。
我会尽力的。
谢谢您的夸奖,先生。
干得好,太棒了
谢谢,先生。
伟大的工作!
谢谢你,Rozy!
亲爱的阿比纳夫,恭喜你和你的教授。保持下去。
很高兴你喜欢。谢谢,先生。
机器学习的创新和应用
希望这能达到目的。
戴上口罩后,我们面临着人脸识别问题。政府应该使用这种技术来更好地识别人脸。
向发明家致敬
我们会尽我们最大的努力。
谢谢你的建议和好话。
伟大的创新和发明家的荣誉。
这将有助于政府在公共场所强制佩戴口罩的制度和执行。
谢谢你,先生!
干得好! !当务之急
非常感谢,女士!
真为你骄傲,阿比纳夫·贝塔,上帝保佑你
非常感谢,女士!
拜拜印度佬!gud运气
谢谢你阿洛克!
不断提高你的表现。# Good_luck
当然,女士。非常感谢。
伟大的工作
好吧,你
谢谢你Aditi!
干得好,阿比纳夫....
谢谢你Kajal!
伟大的创新,将有助于系统有效地采取行动,通过使用这种方法。
祝贺你
谢谢你,先生!
你探索的非常创新的想法。在这种创新的帮助下,人们可能会受益。不断提高制度的有效性。去吧
我会尽力的。
谢谢,先生。
祝贺你
谢谢你,Amisha!
在解决我们社会面临的实际问题上做出了很好的努力。
谢谢你,先生!
这太棒了!你能提供一些关于模型和使用的训练数据的细节吗?
Python, OpenCv和Tensorflow。
你可以使用上面的库来制作模型。
恭喜你…
坚持下去
谢谢你,女士!
真是不可思议。印度人才的伟大成就。继续加油,兄弟。愿一切都好!
谢谢你,先生!
令人印象深刻,干得好。坚持下去
谢谢你!
这真的很值得欣赏。再接再厉。
非常感谢!