Resumen

DIMILILER, Kamil  y  KAYALI, Devrim. Detección y categorización de máscaras durante la pandemia del COVID-19 utilizando una red neuronal convolucional profunda. Ing. Investig. [online]. 2023, vol.43, n.3, pp.1-.  Epub 24-Abr-2024. ISSN 0120-5609.  https://doi.org/10.15446/ing.investig.10i8i7.

Con el COVID-19 extendiendose por todo el mundo y restringiendo nuestra vida diaria, el uso de mascarillas se ha vuelto muy importante, pues es una forma eficiente de frenar la propagación del virus, y una pieza importante para continuar con nuestras tareas diarias hasta que se complete la vacunacion. La gente ha estado luchando contra la enfermedad durante mucho tiempo y se aburre con las precauciones, por lo que actóa con descuido. En este caso, los sistemas de deteccion automatica son muy importantes para mantener la situacion bajo control. En esta investigacion se entrenan modelos de aprendizaje profundo con el mínimo de datos de entrada posibles para obtener una clasificacion precisa de las condiciones de uso de las mascarillas. Estas clases son maskcorrect, maskwrong y nomask, que se refieren al uso adecuado, a un uso inadecuado y al no uso de la mascarilla facial, respectivamente. DenseNets, EfficientNets, InceptionResNetV2, InceptionV3, MobileNets, NasNets, ResNets, VGG16, VGG19 y Xception son las redes utilizadas en este estudio. La mayor precision la obtuvieron las redes InceptionResNetV2 y Xception, con un 99,6 %. Cuando se tienen en cuenta otros parámetros de rendimiento, la red Xception un paso adelante. VGG16 y VGG19 presentan una tasa de precision superior al 99 %, con 99,1 y 99,4 % respectivamente. Estas dos redes tambien presentaron FPS mas altos y los dos tiempos de inicializacion mas bajos en la implementacion. Tambien se realizo una comparacion con estudios recientes para evaluar la precision obtenida. Se encontró que se puede obtener una mayor precision con el mínimo tamano de entrada posible.

Palabras clave : COVID-19; deteccion de mascarillas; aprendizaje profundo; clasificacion.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )