Detecting Face Mask Using Convolution Neural Network


Şenel F. A.

Black Sea Journal of Engineering and Science, vol.4, no.4, pp.160-167, 2021 (International Refereed University Journal)

  • Publication Type: Article / Article
  • Volume: 4 Issue: 4
  • Publication Date: 2021
  • Doi Number: 10.34248/bsengineering.930727
  • Title of Journal : Black Sea Journal of Engineering and Science
  • Page Numbers: pp.160-167

Abstract

Bu çalışmada, hava yoluyla salgın hastalıkların yayıldığı pandemi dönemlerinde, yüz maskesi takan ve takmayan insanların otomatik olarak tespit edildiği bir evrişimsel sinir ağı geliştirilmiştir. Tüm dünyayı etkileyen büyük bir salgında, tek bir kişinin bile dikkatsiz davranışları öncelikle kendi yakın çevresinden başlamak üzere yaşadığı tüm ülkeyi hatta tüm dünyayı tehlikeye atabilme potansiyeline sahiptir. Bu nedenle basit gibi görülen bir yüz maskesinin, salgın boyunca kullanımı küçümsenmemelidir. Gerekli tüm tedbirlerin üst düzeyde alınması bir zorunluluktur. Her ülkenin kendi kolluk kuvvetleri tarafından gerekli denetimler gerçekleştirilmektedir. Ancak insan sayısının kolluk kuvvetlerinin denetleyebileceğinden çok daha fazla olması nedeniyle teknolojik gelişmelerden faydalanılmak zorunda kalınmaktadır. Geliştirilen bu sistemle birlikte, yüz maskesi denetiminin insan gücü yerine yapay zekâ kullanan sistemler tarafından yapılması amaçlanmıştır. Bu amaçla, ilk olarak gerçek insan yüzü fotoğraflarından oluşan veri seti oluşturulmuştur. Oluşturulan veri setinde maskeli ve maskesiz olmak üzere toplamda 418 adet resim bulunmaktadır. Resimler seçilirken farklı renk ve şekillerde maskelerin veri setinde yer alması sağlanmıştır. Doğrudan resim girdisi ile çalışan ve sınıflandırma işlemlerinde kullanılan evrişimsel sinir ağları ile sınıflandırma işlemi gerçekleştirilmiştir. İkili sınıflandırma olarak ele alınan bu problemde, evrişimsel sinir ağı mimarisinin en iyi sonucu vermesi için hiper parametre ayarlaması yapılmıştır. Modelin optimum parametreleri ayarlanarak sınıflandırma işlemi gerçekleştirilmiştir. Sınıflandırma işlemi sonucunda %95’lik bir doğruluk yüzdesi elde edilmiştir. Elde edilen bu başarı yüzdesi, evrişimsel sinir ağlarının yüzde bulunan maskenin tespit edilmesinde başarılı bir şekilde kullanılabileceğini göstermiştir.