AI战“疫”：百度开源业界首个口罩人脸检测及分类模型

到场：泽南、思

开工上班，各地应该如何做好疫情防护？人工智能技术正在为抗击新冠肺炎疫情的事情提供须要的资助。

2019 新冠肺炎疫情发作，让人们的出行发生了很大的变化——自 1 月 24 日武汉宣布封城之后，各省市陆续启动重大突发公共卫生事件一级响应以控制人口流动。许多都会都已划定必须佩带口罩、丈量体温才气搭乘公共交通。2 月 10 号返工日之前，上海、北京等重点都会也陆续放出新规：收支机场、轨道交通、远程汽车站、医疗卫生机构、商场超市等公开场合，未佩带口罩者将被劝阻。

正确佩带口罩出门是为了防止疫情扩散，此举获得了人们的广泛支持。但也带来了许多挑战——高密度的人流让下层排查人员面临着人手不足，以及接触疑似患者的风险，只有适应新情况的人工智能技术才气减轻他们的事情压力。

2 月 13 日，百度飞桨宣布开源业界首个口罩人脸检测及分类模型。基于此模型，可以在公共场景检测大量的人脸同时，把佩带口罩和未佩带口罩的人脸标注出来，快速识别各种场景中不重视、不注意防护病毒，甚至存在荣幸心理的人，淘汰民众场所下的宁静隐患。同时构建更多的防疫公益应用。

大灾眼前，这家科技公司可谓用行动回应了民政部司长陈越良的呼吁：「一个有益的公益软件比捐 10 个亿还管用！」

业内首度开源口罩人脸检测及分类模型

口罩人脸检测及分类模型，由两个功效单元组成，可以划分完成口罩人脸的检测和口罩人脸的分类。经由测试，口罩人脸检测部门在准确度上到达了 98%，且口罩人脸分类部门准确率同样到达了 96.5%，性能上也是属于业界领先水平。

同时，它做到了模型的极致轻量化，可在大部门端边云设备上实现实时处置惩罚（海思 3559 芯片耗时仅需 17ms）。百度也将连续更新这一模型，不停提升效果。

百度表现，如此高的准确率是大量数据训练的效果，新模型接纳了凌驾十万张图片的训练数据，确保样本量足够且有效。另一方面，人脸检测模型基于百度自研的冠军算法，整个研发历程都是基于百度开源的飞桨深度学习平台，能够举行高效、便捷的模型开发、训练、部署。

我们可以先看看口罩人脸检测及分类模型的效果，其中绿色界限框为戴口罩人脸、红色界限框为不戴口罩人脸。百度团队还提供了在线演示页面，我们可以自己上传图片，并测试模型的效果：

在线演示地址：https://www.paddlepaddle.org.cn/hub/scene/maskdetect

预训练模型，立刻部署

如果我们自己有需求且有数据，那么使用深度学习框架重新开始训练也是很是不错的选择。可是毫无疑问成本较高，而与此同时，百度将自己训练出来的口罩人脸检测及分类模型，通过预训练模型的方式开放，可以极大的帮助开发者节约资源，提升效率。

百度飞桨通过预训练模型治理工具 PaddleHub，将口罩人脸检测及分类预训练模型开源出来。只要开发者有基本的 Python 编程能力，即可快速搭建当地或者 serving 服务挪用模型。如果具有一定的移动端 APP 开发能力，也可以快速将模型部署到移动端上。

预训练模型先容：https://www.paddlepaddle.org.cn/hubdetail?name=pyramidbox_lite_server_mask&en_category=ObjectDetection

预训练模型示例代码：https://aistudio.baidu.com/aistudio/projectDetail/267322

顶尖算法与数据

这一方案中，用于识别人脸的模型基于 2018 年百度在国际顶级盘算机视觉集会 ECCV 2018 的论文 PyramidBox 而研发，基于自研的飞桨开源深度学习平台举行训练，并通过 paddle-slim 等模型小型化技术使得算法能够高效运行在一些算力有限的设备上。

算法代码地址：https://github.com/PaddlePaddle/models/tree/develop/PaddleCV/face_detection

口罩人脸检测及分类模型，可在公开场合高密度人流的情况中，对佩带口罩和未佩带口罩的人脸举行快速识别标注。基于此预训练模型，开发者仅需使用少量代码，便可快速完成自有场景模型开发。

该模型可广泛适用于海关、火车站、园区小区入口等差别类型的区域，同时提供服务器和移动端版本，便于开发商集成到差别类型硬件平台上满足差别场景要求。很是适合于重点区域的布控，以及未佩带口罩人员的实时预警。

如果口罩人脸检测及分类模型获得广泛应用，对于检测效果的统计数据还可以为越发深入的研究提供基础。百度表现，检测效果可以可以在疫情分析、智慧都会、智慧社区等场景发挥较大作用。

在这段时间里，许多科技公司陆续推出了有关体温检测、人脸识别等事情的 AI 算法。而百度提出的方法，是首个开源的口罩人脸检测及分类模型。从飞桨深度学习技术平台，到高效准确的人脸检测及识别算法，再到硬件部署方案等，百度提出的方法可以与和其他工具实现完整、高效的整体协同。

实践怎么用

整个预训练模型只要求安装 PaddlePaddle 与 PaddleHub，只需要相识基础 Python 就能跑得动。如下短视频展示了我们测试戴口罩人脸检测模型：

如上展示了最简朴的当地推断，只要五行代码，我们就可以在自己的盘算机处置惩罚口罩人脸检测。为了展示效果，我们设置了每张图像停留 2 秒。实际在我们接纳 CPU 的情况下，检测基本是实时的，推断速度很是快。以下为挪用预训练模型的焦点代码，其中我们在当前文件夹下放了一张测试图像：

百度提供了口罩人脸检测及分类的示例代码，通过 Notebook 文件，我们能更形象地相识模型使用的完整历程：

地址：https://aistudio.baidu.com/aistudio/projectDetail/267322

更重要的是，作为一项完善的开源事情，除了当地推断以外，其还需要思量如何将模型部署到服务器或移动设备中。若能快速部署到各平台，那么才真正意味着它可以作为「战疫」的基础工具。

现在，百度提供了两个预训练模型，即服务器端口罩人脸检测及分类模型「pyramidbox_lite_server_mask」、以及移动端口罩人脸检测及分类模型「pyramidbox_lite_mobile_mask」，这两者能满足种种下游任务。

1. 一步部署服务器

借助 PaddleHub，服务器端的部署也很是简朴，直接用一条下令行在服务器启动口罩人脸检测与分类模型就行了：

是的，在服务器端这就完全没问题了。相比手动设置种种参数或者挪用种种框架，PaddleHub 部署服务器实在是太好用了。

只要在服务器端完成部署，剩下在客户端挪用就不会有多大问题了。如下百度展示了挪用服务器做推断的示例：制定要预测的图像列表、发出推断请求、返回并生存推断效果。

相信只要有一些 Python 基础，在当地预测、以及部署到服务器端都是没问题的，飞桨的 PaddleHub 已经帮我们做好了种种处置惩罚历程。

2. 部署到移动端

Paddle Lite 是飞桨的端侧推理引擎，专门面向移动端的模型推理部署。如果我们需要把口罩人脸检测及分类模型嵌入得手机等移动设备，那么 Paddle Lite 这样的端侧推理引擎能帮我们节约许多事情。

在移动端部署口罩人脸检测及分类模型，也只需要三步：下载预测库，Paddle Lite 会提供编译好的预测库；优化模型，使用 model_optimize_tool 工具实现模型优化；通过预测 API 实现挪用。

Paddle Lite先容：https://github.com/PaddlePaddle/Paddle-Lite/releases/v2.2.0/

其中比力重要的是移动端 API 挪用方法，详细实现请参考下文给出的 Paddle Lite 的示例地址。

人脸识别和佩带口罩判断在移动端部署的示例地址为：https://github.com/PaddlePaddle/Paddle-Lite/tree/develop/lite/demo/cxx

助力开发者，配合抗击疫情

口罩人脸检测及分类模型项目的研发人员向机械之心先容道，百度在春节期间就已频繁接触到来自社区和互助同伴反馈的技术需求，并快速启动了对接和应用开发的行动。对此，百度专门建立了针对新冠疫情的技术研发团队，经由论证，开发者们一致认为最终完成的产物应通过开源的方式来赋能更多开发者。

百度很快组织了多部门组成的产研团队，在多个部门的配合下，工程师们快速进入了方案实施落地的阶段。

由于许多都会对于交通举行了管制，在项目的开发历程中，大多数人都是以远程开发的形式到场的。百度研发人员表现，得益于百度内部高效的协同办公、开发系统，整体研发进度可以保持快速迭代。

此前，仅有少数厂商能够提供口罩人脸检测模型的可落地方案，这些技术在麋集人流下的识别效果不尽相同。而由于缺乏数据集和模型开发履历，许多解决方案在面临园区、关口等细分场景时显得无从下手。

口罩人脸检测及分类模型可以成为许多应用的基础，除了筛查公开场合佩带情况之外，检测口罩佩带是否正确、监测体温的应用都可以通过借助这项能力更快实现落地。此次百度除了开源模型以外，还提供了二次开发工具组件，我们可以开发更适合自己的模型。

在支持的硬件方面，该模型可以高效运行在百度官方和经由第三方认证的硬件平台上。此外，这一模型也支持现在市面上多类主流硬件平台。

除了刚刚开源的算法，百度的 AI 技术已在反抗新冠疫情的许多领域发挥了作用。这家公司与政府部门努力互助，推出了北京官方新型肺炎医生咨询平台，上线了「发烧门诊舆图」，开通疫情辟谣频道，并将智能外呼平台开放给各地一线疫情防控机构，为下层提供 AI 技术的支持。

春节期间，百度公布了完整的百度 AI 测温系统，并迅速将其投入到新型冠状病毒疫情的防控中。在北京清河火车站，百度 AI 测温系统自 1 月底部署以来，停止 2 月 8 日已完成凌驾 3.2 万人次的快速体温检测，累计发现了逾 190 人次的体温疑似异常案例，并由事情人员举行了人工复检。

百度研发人员告诉我们，从现在接到的需求来看，在防治疫情的事情中，盘算机视觉、语音、自然语言处置惩罚三大重点领域都有正在开展的应用。其中，自动识别 CT 效果用于辅助诊断等工具已经在确诊病例的事情中起到了重要的作用。

开源的方式，可以让整个社区以最快的速度展开互助。希望通过开发者们的努力，这项新技术可以影响到更多的人和企业，为抗击新冠疫情做出更多孝敬。

本文为机械之心原创，转载请联系本民众号获得授权。

------------------------------------------------