COVID19 yayılımını azaltmak için yüz maskesinin evrişimsel sinir ağı modelleri ile tespiti

Son yıllarda hayatımızın gerçeği olan ve tüm dünya için pandemi haline gelen Covid-19'un gerekli tedbirlere sıkı şekilde uyulmadığı takdirde bulaşma oranı artmakta hatta varyantları bile ortaya çıkmaya başlamaktadır. Dünya Sağlık Örgütü tarafından yayınlanan ve alınması gerekli olan tedbirler alındıkça hastalıkla mücadele daha kolay hale gelebilmektedir. Tedbirlere uymanın zorluğu olsa da uymaya özen gösterildiği taktirde, hastalık ya daha hafif atlatılmakta ya da hastalığa kolayca yakalanılmamaktadır. Bu tedbirlerin en önemlilerinden birisi de kalabalık alanlarda maske kullanımına özen gösterilmesidir. Maske kullanımının önemi araştırmalarla desteklenmesinden sonra, bazı alışveriş merkezi, sağlık kuruluşları, okullar gibi kalabalık mekanlarda maske kullanımına yönelik denetimler başlamıştır. Ancak bu denetimleri bir insanın gerçekleştirmesi zor olduğundan günümüzde sıklıkla kullanılan derin öğrenme yöntemleriyle maske tespiti çalışmaları yapılmaya başlanmıştır. Bu tez çalışmasında, transfer öğrenme tabanlı modeller kullanılarak maske tespiti gerçekleştirilmesi amaçlanmaktadır. Kaggle web sitesinde bulunan veri seti üzerinde toplamda 906 görüntü ile DenseNet121, EfficientNetV2M, NasNetMobile, InceptionV3 ve VGG19 derin öğrenme modelleri kullanılmıştır. Deneysel değerlendirmeler sonucunda, en iyi başarı oranı olarak NasNetMobile modeliyle, %99.35 doğruluk, %99 kesinlik, %99 geri çağırma ve %99 f1 skorları elde edildiği görülmüştür.