모바일 환경을 위한 딥러닝 기반 열화상 이미지 마스크 인식 및 교차 엔트로피를 이용한 클래스 분류 (Deep Learning-based Thermal Image Mask Recognition for Mobile Environments and Classification using A Cross-entropy Loss Function)

서지정보

· 발행기관 : 대한전자공학회
· 수록지 정보 : 전자공학회논문지 / 59권 / 1호 / 118 ~ 123페이지
· 저자명 : 문종원, 윤호섭

초록

전세계적 전염병인 COVID-19로 인하여 군중에서 열이 높은 일부 인원을 검출하기 위한 비접촉식 열화상 시스템의 수요가 증가하였다. 공공장소에서 마스크 착용이 의무화되었고 입구마다 관리 인원을 두어 출입을 통제하고 있는 상황속에서, 최소한의 인원으로 원활하게 통제하려면 카메라 등으로 관리를 해야 하는데 일반적으로 우리가 사용하는 RGB 이미지에서 마스크를 탐지하는 것은 열화상 이미지에서 탐지하는 것 보다 여러 가지 단점을 갖고 있다. 본 논문에서는 열화상 이미지 사용의 장점과 더불어 모바일 환경[1]에서도 충분히 사용이 가능한 경량화된 딥러닝 모델을 사용하여 이를 바탕으로 딥러닝 기반 열화상 이미지 마스크 인식에 대해서 소개한다. 또한 마스크 착용, 미착용의 이진 분류에서 더 나아가 턱에 걸치거나 코에 걸치는 애매한 경우까지 하나로 묶어 3가지의 형태를 분류하는 모델도 소개한다. 우리가 들고 다니는 일반적인 휴대폰에서도 실시간으로 사용할 수 있게 매우 경량화된 모델을 사용하였는데 마스크 인식 문제는 비교적 간단한 분류 문제이기 때문에 경량화된 네트워크로도 좋은 성능을 낼 수 있다.

영어초록

COVID-19, a global infectious disease, has increased the demand for contactless thermal imaging systems to detect some people with high heat in the crowd. In public places, mask-wearing is mandatory and access is restricted with management personnel at each entrance, to control smoothly with a minimum number of people, detecting masks from RGB images generally has more disadvantages than detecting them from thermal images. In addition to the advantages of using thermal images, this paper introduces deep learning-based thermal image mask detection based on using a lightweight deep learning model that can be sufficiently used in mobile environments. A very lightweight model is used for real-time use even in ordinary mobile phones, but the problem of mask detection is a relatively simple binary classification problem.

참고자료

· 없음