Aplicación del deep learning para el reconocimiento facial con la presencia de oclusiones en el contexto de la pandemia covid 2021

Autores/as

  • Jemima Elias Mucha Universidad Nacional del Centro del Perú
  • Angiela Rojas Ortega
  • Luis M. Rojas Salazar
  • Milagros M. Alfaro Montero
  • Roy C. Uscamayta Pahuacho
  • Abraham E. Gamarra Moreno

DOI:

https://doi.org/10.33017/RevECIPeru2021.0002/

Palabras clave:

Deep Learning, Inteligencia Artificial, Redes Neuronales, Reconocimiento Facial, VGG16

Resumen

El Deep learning permite que una máquina aprenda de manera autónoma utilizando redes neuronales. Este artículo aplica el Deep learning para el reconocimiento facial inclusive cuando se utiliza mascarillas y/o lentes. La investigación usa Python y la librería de la red convolucional pre entrenada VGG16. El entorno de aplicación requiere un dataset donde se almacena las fotografías de los participantes, que ascienden a un total de 2400 imágenes, capturando en esencia la amplitud del rostro utilizando mascarilla y/o lentes; y colocadas en tres subcarpetas: Train, Test y Valid. En una primera fase se realiza el entrenamiento, dándose el aprendizaje en 500 epochs, y que al finalizar se obtiene la red entrenada. En una segunda fase se realiza el reconocimiento facial con la presencia de oclusiones en el rostro; utilizando una cámara web. El accuracy o precisión alcanzada en el entrenamiento de la red neuronal en Google colab es de 0.2 y el porcentaje de acierto obtenido de la aplicación en la segunda fase es de 71%. El proyecto logra detectar a personas cuando estas utilizan mascarilla, lentes, ambos o sin el uso de estos; con el porcentaje de acierto mencionado anteriormente.

Publicado

2021-07-04

Número

Sección

ARTÍCULOS ORIGINALES

Artículos más leídos del mismo autor/a

Nota: Este módulo requiere de la activación de, al menos, un módulo de estadísticas/informes. Si los módulos de estadísticas proporcionan más de una métrica, selecciona una métrica principal en la página de configuración del sitio y/o en las páginas de propiedades de la revista.