導讀：深度學習解決方案可以自動發現違反佩戴口罩規定的人員，節省員工時間，確保環境更加安全。
口罩是阻止COVID-19 傳播的關鍵工具，而且經證明，普遍使用口罩的效果最好。隨著商店和商業場所重新開放，我們需要確保所有進入人員均佩戴口罩。但監測顧客所需的額外資源會進一步增加商店為滿足衛生和社交隔離規定時業已承受的壓力。深度學習解決方案可以自動發現違反佩戴口罩規定的人員，節省員工時間，確保環境更加安全。
部署深度學習
深度學習是機器學習的一種形式，所采用的神經網絡在輸入節點和輸出節點之間具有許多“深度”層。通過基于龐大的數據集訓練網絡，創建的模型可用于根據無形的數據進行精確預測。因此，經訓練的網絡不僅可以檢測人員是否佩戴口罩，還可以檢測佩戴是否正確。
一套完全發揮作用的深度學習系統幾日內即可完成開發和部署。Teledyne FLIR 工程師使用一臺 Firefly DL 攝像頭開發出了檢測合規性并標記違反強制性 PPE（個人防護設備）規定的用戶的系統。口罩檢測數據集使用了兩個已公開的庫，包含超過 1000 張不同環境中佩戴口罩、未佩戴口罩及口罩佩戴錯誤的示例圖像。Teledyne FLIR 的Blackfly S GigE 也可用于此目的。
適應性強的解決方案
口罩數據集中的每個圖像都用邊界框添加了注釋，顯示對象的位置以及表明是否佩戴口罩、是否正確佩戴的類別標簽。深度學習開發人員和解決方案整合人員可以輕松擴展此解決方案，使之覆蓋現實世界中更復雜強大的部署用例。例如，神經網絡可經過訓練用于在醫院和機場等高風險/人流大環境中檢測面部防護、防護服、手套及其他 PPE。
