Mostrar el registro sencillo del ítem
dc.contributor.author | Chuquimarca Jiménez, Luis | |
dc.contributor.author | Pinzón Tituana, Santiago | |
dc.contributor.author | Rosales Pincay, Anthony | |
dc.date.accessioned | 2022-06-07T16:31:23Z | |
dc.date.available | 2022-06-07T16:31:23Z | |
dc.date.issued | 2021 | |
dc.identifier.other | UPSE-RTC-2021-Vol.8-No.1-009 | |
dc.identifier.uri | https://repositorio.upse.edu.ec/handle/46000/7658 | |
dc.description.abstract | La 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.iso | spa | es |
dc.publisher | La Libertad: Universidad Estatal Península de Santa Elena, 2021 | es |
dc.rights | openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
dc.subject | APRENDIZAJE DE MÁQUINA | es |
dc.subject | APRENDIZAJE PROFUNDO | es |
dc.subject | REDES CONVOLUCIONALES | es |
dc.subject | FALSOS POSITIVOS | es |
dc.title | Detección de Mascarilla para COVID-19 a través de Aprendizaje Profundo usando OpenCV y Cascade Trainer GUI. | es |
dc.type | article | es |
El ítem tiene asociados los siguientes ficheros de licencia: