Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.upse.edu.ec/handle/46000/7658
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorChuquimarca Jiménez, Luis-
dc.contributor.authorPinzón Tituana, Santiago-
dc.contributor.authorRosales Pincay, Anthony-
dc.date.accessioned2022-06-07T16:31:23Z-
dc.date.available2022-06-07T16:31:23Z-
dc.date.issued2021-
dc.identifier.otherUPSE-RTC-2021-Vol.8-No.1-009-
dc.identifier.urihttps://repositorio.upse.edu.ec/handle/46000/7658-
dc.description.abstractLa pandemia del covid-19 está provocando una crisis de salud a nivel mundial, una de las recomendaciones de los científicos y gobiernos para evitar contagios es el uso de mascarilla. Basados en esta precisión, el presente artículo muestra el desarrollo de un software que permite detectar la mascarilla en distintos escenario usando el lenguaje de programación de Python mediante las librerías de cv2, os, Numpy y Imutils, utilizando redes neuronales convolucionales más eficaces que las redes neuronales comunes, las cuales fueron entrenadas con el software Cascade Trainer GUI, usando diferentes cantidades de bases de datos desde 400 hasta 1400 imágenes para comparar los distintos tipos de precisión del sistema de detección de la mascarilla. Sin embargo, de la primera base de datos no se obtuvo una buena presión por una baja cantidad de falsos positivos, por lo cual a medida que se usa más datos la precisión fue aumentando considerablemente hasta obtener una precisión de 92 % con mascarilla y un 100% sin mascarilla.es
dc.language.isospaes
dc.publisherLa Libertad: Universidad Estatal Península de Santa Elena, 2021es
dc.rightsopenAccesses
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/ec/*
dc.subjectAPRENDIZAJE DE MÁQUINAes
dc.subjectAPRENDIZAJE PROFUNDOes
dc.subjectREDES CONVOLUCIONALESes
dc.subjectFALSOS POSITIVOSes
dc.titleDetección de Mascarilla para COVID-19 a través de Aprendizaje Profundo usando OpenCV y Cascade Trainer GUI.es
dc.typearticlees
Aparece en las colecciones:CTU Vol.8 Núm.1

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
UPSE-RTC-2021-Vol.8-No.1-009.pdfARTÍCULO444,06 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons