Face Mask Detection using Transfer Learning Technique
Article Sidebar
Main Article Content
Abstract
The face mask detection using transfer learning technique aims to create model for the face mask detection using transfer learning technique and compare the efficiency the models. The tools used are Python language with Keras and Open CV libraries for image processing. The dataset was downloaded from kaggle website, which contained 3,833 images of 150 x 150 pixels image resolution. The images were divided into 1,915 images of faces masks and 1,918 images of faces without masks. The methodology was divided into 3 steps: 1. Data preparation, 2. model generation, and 3. Efficiency evaluation of the 3 models including VGG16, Inceptionresnetv2, and ResNet152V2, using accuracy and loss assessment. The experimental results show that the ResNet152V2 model had the highest accuracy of 98% and the loss of 0.08%.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
กรมควบคุมโรค. (2565). โรคติดเชื้อไวรัสโคโรนาสายพันธุ์ใหม่ 2019. แหล่งข้อมูล: https://ddc.moph.go.th/viralpneumonia. ค้นเมื่อวันที่ 29 กันยายน 2565.
จักรินทร์ สนุกแสน. (2562). การประยุกต์ใช้เทคนิคการเรียนรู้เชิงลึกสำหรับการรู้จำพรรณไม้ที่อยู่ในสิ่งแวดล้อมทางธรรมชาติ. วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต, มหาวิทยาลัยมหาสารคาม. มหาสารคาม.
นพรุจ พัฒนสาร และณัฐวุฒิ ศรีวิบูลย์. (2563). การประมวลผลภาพสำหรับการจำแนกคุณภาพมะม่วงพันธุ์โชคอนันต์โดยการจำลองการมองเห็นของมนุษย์ด้วยวิธีการเรียนรู้เชิงลึก. วารสารวิทยาการและเทคโนโลยีสารสนเทศ 10(1): 24 – 29.
วีระยุทธ สุริคำ, นพพล อ่ำดี และชัยธำรง พงษ์พัฒนศิริ. (2564). การจำแนกความสุกของกล้วยฉาบด้วยเทคนิคการประมวลผลภาพ. วารสารวิชาการเทคโนโลยีอุตสาหกรรมและวิศวกรรม มหาวิทยาลัยราชภัฏพิบูลสงคราม 3(1): 55 – 67.
Akshai, K. and Anitha, J. (2021). Plant disease classification using deep learning. In: 2021 3rd International Conference on Signal Processing and Communication (ICPSC), Coimbatore. doi: 10.1109/icspc51351.2021.94.
Chellapandi, B., Vijayalakshmi, M. and Chopra, S. (2021). Comparison of Pre-Trained Models Using Transfer Learning for Detecting Plant Disease. In: 2021 International Conference on Computing, Communication, and Intelligent Systems (ICCCIS), Greater Noida doi: 10.1109/icccis51004.2021.9397098.
Color. (2022). Color. Source: http://msdn.microsoft.com/en-us/library/windows/desktop/aa511283.aspx. Retrieved from 4 February 2022.
Gonzalez R.C. and Woods R.E. (2006). Digital Image Processing (3rd Edition). New Jersey: Prentice-Hall, Inc.
Owens R. (2022). Binary Images. Source: http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/OWENS/LECT2/node3.html. Retrieved from 20 February 2022.
Rajan, R. and Noumida, A. (2021). Multi-label Bird Species Classification Using Transfer Learning. In: 2021 International Conference on Communication. Control and Information Sciences (ICCISc), Idukki. doi: 10.1109/iccisc52257.2021.9484858.
Shrivastava, V.K. and Pradhan, M.K. (2020). Rice plant disease classification using color features: a machine learning paradigm. Journal of Plant Pathology 103:17 - 26.
Yann, L.C., Bottou, L., Bengio, Y. and Haffner, P. (1998) Gradient-Based Learning Applied to Document Recognition. Proceedings of the IEEE 86(1): 2278 - 23. doi: 10.1109/5.726791.