疫情當前，戴口罩已成為出行必備的防護措施。近日，UCloud AI團隊依托于原有的口罩檢測醫(yī)療項目，借助于UAI-Train AI訓練平臺的簡單易用和UAI-Inference平臺的快速服務部署能力，在一周時間內(nèi)快速完成了人臉口罩精細分類算法的研發(fā)、上線。

目前，該算法實現(xiàn)了是否佩戴口罩判斷準確率99%，以及是否規(guī)范佩戴口罩判斷準確率95.1%的較好效果。同時，為了方便用戶將口罩檢測集成到自己的系統(tǒng)中，口罩檢測API服務已完成在線部署，并集成在UAI-Censor產(chǎn)品中。

UAI-Censor是UAI團隊推出的內(nèi)容審核產(chǎn)品，依托UCloud底層云服務，基于海量訓練數(shù)據(jù)，并結合深度學習識別技術，提供99.9%的服務穩(wěn)定性保障。UAI-Censor本次新增的人臉口罩檢測服務將在公共場所的疫情防控監(jiān)督方面發(fā)揮重要作用，比如，可以快速定位暴露在風險中的未戴口罩人員具體位置信息，通知工作人員快速前往處理，降低群眾感染風險；在企事業(yè)單位的辦公樓管理方面，集成了口罩檢測的閘機門禁，可以將未戴口罩的人擋在辦公區(qū)域以外，保障辦公區(qū)域的安全。

人臉口罩檢測服務的算法實現(xiàn)

人臉口罩檢測場景傳統(tǒng)的做法是采用人臉檢測+圖像分類的方式，該方法需要大量的場景數(shù)據(jù)來保證算法的泛化能力。UAI團隊摒棄傳統(tǒng)的檢測+分類的模式，采用基于精準的人臉檢測算法+人臉關鍵點定位算法+口罩實例分割算法的方案，對是否規(guī)范佩戴口罩作出精準判斷，既保證了準確率，也提高了算法的泛化能力。

本次算法的目標是通過AI算法自動從攝像頭采集的圖片中識別出是否有人臉、是否佩戴口罩以及口罩是否佩戴規(guī)范。一般的算法研發(fā)流程，主要包括3個部分：數(shù)據(jù)準備、模型開發(fā)訓練、服務部署。其中模型訓練、服務部署可以使用一些簡單易用的PaaS產(chǎn)品，如UCloud的AI訓練服務UAI-Train和AI在線服務UAI-Inference。因此，主要難點是由于AI需求一般對數(shù)據(jù)量的要求比較高，對于這次緊急的新算法需求，數(shù)據(jù)準備成為較大的瓶頸。
責任編輯：tzh