十面“霾”伏对策思汇 摘下你的口罩来

<正>醒来后,所有人都去寻找那座城市。没有找到城市,那些人却汇聚到了一起,于是,大家决定建造一座梦境中的城市。——卡尔维诺《看不见的城市》在淘宝上搜索一下,防PM2.5概念的口罩品牌不少于49个。数据显示,仅淘宝天猫最近一年就有565万人购买了位亿件口罩,人数比之前一年的172万人增长了228%,销量比前一年0.7亿件增加了71%。微博微信上,各种调侃雾霾的段子比比皆是,北京大学先贤雕像和毛主席的画像也被戴上了口罩。     

口罩“B格”白皮书

最新的一份数据科学地披露，在导致PM2．5升高的原因中，汽车尾气大约占4％。     

厚德载雾，自强不吸方霾口罩：空气滤清器

一句“厚德载雾，自强不吸，霾头苦干，再创灰黄”，将百姓对雾霾和PM2．5的戏谑体现得淋漓尽致。虽说苦中作乐是乐观的表现，但不少人还是时刻留意着每天的PM2．5数讯，并为自己戴上一个防PM2．5的口罩。而有车一族们，你们又有想过为自己的爱车配备一个“防霾口罩”吗？     

公交企业简讯

驻马店公交紧急召开疫情防控工作会议1月22日,驻马店公交召开疫情防控工作会议,公司经理层及各运营分公司经理参加会议。会上,党委书记黄伟传达了上级关于新冠肺炎疫情防控工作指示精神,成立疫情防控应急工作领导小组,宣布启动《疫情防控应急工作预案》并对防控工作提出具体要求。当日,防护口罩、温度计、消毒液、喷壶等防疫物品已全部购置并分发到各运营单位。要求即日起,全体驾驶员佩戴口罩上岗、对公交车辆采取日消毒2次和每班次进行通风等,特别是对乘客接触较多的扶手、座椅、地板、投币箱等部位进行重点清洁消毒,不留死角,并对车厢开窗通风.     

新冠肺炎疫情下用车养车指南

1新冠肺炎疫情下用车指南1.1关于开车戴口罩由于新冠肺炎病毒主要通过气溶胶传播、飞沫传播、接触传播,因此戴口罩是阻断新冠肺炎病毒传播途径的重要方法。在空旷的驾驶环境下,一个人单独驾车或载有明确健康状况的人,可以不戴口罩,但在人员密集区域(例如市区)行驶或驶入密闭场所(如驶入地下停车场),哪怕只有一人单独驾车,也必须佩戴口罩。如果车内有不明健康状况的随乘人员,所有人都要正确佩戴口罩并保持适当距离(尽量让随乘人员坐在后排座椅)。     

全球最大造船集团“变身”口罩设备制造商

“我有口罩机,我有压条机!”“我还有医用口罩生产线!”全球最大的造船集团中国船舶集团俨然已经迅速转型“变身”口罩设备制造商。2020年2月26日,中国船舶集团有限公司宣布,目前集团研制的平面口罩机、N95口罩机、防护服压条机等设备全面批量生产,性能优良,三型设备的量产装配调试工作和超声波点焊机关键部件紧急扩产已全面铺开。力争至3月中旬左右,分批交付70台平面口罩机、70台N95口罩机、90台压条机、2000余套超声波点焊机关键部件。目前三型设备的量产装配调试工作和超声波点焊机关键部件紧急扩产已全面铺开。     

多尺度注意力学习的Faster R-CNN口罩人脸检测模型

针对在佩戴口罩等有遮挡条件下的人脸检测问题，提出了多尺度注意力学习的Faster R-CNN （MSAF R-CNN）人脸检测模型. 首先，为充分考虑人脸目标多尺度信息，相较于原始Faster R-CNN框架，引入Res2Net分组残差结构，获取更细粒度的特征表征；其次，基于空间-通道注意力结构改进的Res2Net模块，结合注意力机制自适应学习目标不同尺度特征；最后，为学习目标的全局信息并减轻过拟合现象，在模型顶端嵌入加权空间金字塔池化网络，采用由粗到细的方式进行特征尺度划分. 在AIZOO和FMDD两个人脸数据集上的实验结果表明:所提出MSAF R-CNN模型对佩戴口罩的人脸检测准确率分别达到90.37%和90.11%，验证了模型的可行性和有效性.      

教师离校不离岗 学生停课不停学——记温岭市职业中等专业学校抗疫期间的线上教学

2020年年初,随着寒假的如期来临,全校师生都期盼着开开心心过大年。不曾想,一场突如其来的新冠肺炎疫情,在除夕之际将传统的中国年锁在了居家生活之中,没有了以往的觥筹交错,没有了以往的你来我往。在来势汹汹的新冠肺炎疫情面前,村居社区实施封闭式管理,企业延迟复工,学校延迟开学,出门戴口罩、少出门、不聚集能够有效阻断新冠病毒的传播。虽然新冠肺炎疫情阻挡了全校师生返校的脚步,却不能阻挡全校师生共同抗"疫"的决心与信心。     

基于防疫常态化的驾驶员疲劳状态检测方法

疲劳驾驶检测是交通安全领域的研究分支, 而新冠疫情形势下口罩的佩戴又提出了新的挑战。为此通过基于ResNet-10的SSD模型检测驾驶员人脸, 并使用MobileNet-V2轻量级模型判断是否佩戴口罩, 测试集验证该分类器可以达到98.50%的判断精度。在未佩戴口罩的情况下采用传统图像HOG特征结合SVM分类器检测驾驶员人脸。在后续处理中利用级联回归器定位特征点和提取时间窗口内的疲劳指标, 采用二次判定对疲劳状态采取文字和声音预警, 而在清醒状态下会调整各项判断阈值。对算法在预采集的视频样本和NTHU-DDD测试集下进行测试, 验证了该框架能以18.42帧/s的总体速度实现92.65%和86.09%的检测精度。实验结果表明, 该框架应对佩戴眼镜、脸部姿态变化和光照条件差异具有强鲁棒性, 而且能够兼顾疲劳检测的口罩干扰和实时性。