Mask detection for COVID-19 through of Deep Learning using OpenCV and Cascade Trainer GUI

Simple item page
dc.creatorChuquimarca Jimenez, Luis Enriquees
dc.creatorPinzón Tituana, Santiagoes
dc.creatorRosales Pincay, Anthonyes
dc.date2021-06-21
dc.date.accessioned2025-11-10T19:41:20Z
dc.date.available2025-11-10T19:41:20Z
dc.descriptionThe covid-19 pandemic caused a health crisis worldwide, one of the recommendations of scientists and governments to avoid contagion is the use of a mask, therefore this article was focused on which software is developed that allows the mask to be detected in different scenarios using the Python programming language through the cv2, os, numpy and imutils libraries, using convolutional neural networks that are more efficient than common neural networks, which were trained with the Cascade Trainer GUI software, using Different amounts of databases from 400 to 1400 images to compare different types of mask detection system accuracy. However, the first database did not obtain a good pressure due to a low number of false positives, so as more data is used, the precision increased considerably until obtaining a precision of 92% with a mask and a 100% no mask.en
dc.descriptionLa 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. Con base a esto, el presente artículo muestra el  desarrollo de un software que permite detectar la mascarilla en distintos escenarios 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 canti-dades 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, 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.formatapplication/pdf
dc.formattext/html
dc.identifierhttps://www.revistas.upse.edu.ec/index.php/rctu/article/view/572
dc.identifier10.26423/rctu.v8i1.572
dc.identifier.urihttps://repositorio.upse.edu.ec/handle/46000/14974
dc.languagespa
dc.publisherUniversidad Estatal Península de Santa Elenaes
dc.relationhttps://www.revistas.upse.edu.ec/index.php/rctu/article/view/572/496
dc.relationhttps://www.revistas.upse.edu.ec/index.php/rctu/article/view/572/509
dc.rightsDerechos de autor 2021 Revista Científica y Tecnológica UPSEes
dc.sourceUPSE Scientific and Technological Magazine; Vol. 8 No. 1 (2021): Edición Junio 2021; 68-73en
dc.sourceRevista Científica y Tecnológica UPSE; Vol. 8 Núm. 1 (2021): Edición Junio 2021; 68-73es
dc.source1390-7697
dc.source1390-7638
dc.source10.26423/rctu.v8i1
dc.subjectAprendizaje de Maquinaes
dc.subjectAprendizaje Profundoes
dc.subjectredes convolucionaleses
dc.subjectfalsos positivoses
dc.subjectMachine Learningen
dc.subjectDeep Learningen
dc.subjectconvolutional networksen
dc.subjectfalse positivesen
dc.titleMask detection for COVID-19 through of Deep Learning using OpenCV and Cascade Trainer GUIen
dc.titleDetección de mascarilla para COVID-19 a través de Aprendizaje Profundo usando OpenCV y Cascade Trainer GUIes
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dc.typeArtículo evaluado por pareses

Files

Collections

Revista Científica y Tecnológica UPSE - CTU / OAI-PMH