李其恩｜國立中央大學企業管理學系 博士研究生｜rickyyenli@gmail.com
傅思齊｜國立臺北科技大學資訊工程系 研究生｜es891010@gmail.com
林琛絜｜ 國立臺北教育大學資訊科學系 研究生｜ckdcshadow@gmail.com
▌摘要
新冠肺炎病毒極高的傳播率使全球各國醫療資源供不應求，為了避免群聚感染而實施隔離更對經濟、運輸、教育等方面都造成嚴重影響，疫情爆發至今仍未見擴散情況被控制，可預見防疫將是一項需長期進行且不容疏忽的日常工作。鑒於戴口罩為目前行之有效的防疫方法，而當前的臉部偵測模型對於遮蔽了半張臉的戴著口罩的人臉成效不彰，且未依正確方法配戴口罩的行人偶爾可見，有潛在的傳播疫情的可能性。本研究將建立一具有三種標註之人臉數據集，並結合多種深度學習卷積神經網路架構與方法，設計可快速訓練和偵測出有戴、未戴與未戴好口罩的人臉偵測模型，希望能為防疫貢獻一份心力。我們使用自適應算法調整圖像尺寸以減少不必要的操作，並修改 CIOU_LOSS 誤差函數以加快執行速度。實驗證實了我們的方法與相同精度的 YOLO v5m 相比，節省 70% 的時間。
關鍵字：新冠肺炎、卷積神經網路、臉部偵測、遮蔽