Título del capítulo: Reconocto facial con mascarillas usando arquitecturas de redes neuronales ResNet 101V2 y DenseNet 201.

Autores: María Fernanda Camacho Gutiérrez, Sonia Jaramillo Valbuena y Jorge Iván Triviño.

Libro: Gestión del Conocimiento. Perspectiva Multidisciplinaria (Libro 65)

Resumen: La rápida transmisión del Covid 19 lleva a la adopción de medidas prematuras para detener la propagación del mismo, una de ellas es el uso de tapabocas. Las mascarillas desempeñan un papel fundamental como barrera física para atrapar gotas respiratorias, reduciendo el riesgo de contagio del virus a otras personas. En este contexto, la dificultad para monitorear constantemente el cumplimiento del uso adecuado de las mascarillas incentiva a la aplicación de técnicas de machine learning para la generación de modelos predictivos que permitan llevar a cabo monitoreo. En la presente investigación se analizan las imágenes del dataset Face Mask Detection. Para la extracción de conocimiento se utiliza la metodología CRISP-DM. Se aplican las arquitecturas de redes neuronales ResNet 101 V2 y DenseNet 201. Los resultados muestran que, ambas técnicas tienen performace superior al 0.9. Se usa la métrica de accuracy para evaluar la calidad de los modelos obtenidos.

• DOI: https://doi.org/10.59899/Ges-cono-65-C3

Descargar