Buscar en Google Scholar
Título: Modelo Deep Learning basado en redes neuronales convolucionales para identificar a través de imágenes el uso correcto de cubrebocas
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.02.04
Fecha de publicación: 7-jun-2024
Institución: Universidad Privada del Norte
Resumen: Presentamos un modelo de redes neuronales convolucionales diseñado para implementar una solución de monitoreo y alerta de personas que utilizan incorrectamente o no utilizan cubrebocas, en respuesta al aumento continuo de contagios por COVID-19 y la necesidad de tener un medio de control durante posibles futuras pandemias. Actualmente, no existe en el país una medida eficaz tecnológica para monitorear estos eventos, lo que podría llevar a la repetición de situaciones similares a las vividas durante la pandemia de COVID-19. Para abordar esto, se desarrolló un modelo de inteligencia artificial (IA) utilizando una arquitectura de microservicios y basado en redes neuronales convolucionales para optimizar el proceso. Este desarrollo logró una precisión del 92.51% y un valor F1 del 98.89%, lo que indica que el modelo fue entrenado correctamente y es capaz de reconocer los eventos de manera adecuada, almacenando las capturas en una base de datos y enviando alertas a través de Slack. Además, el uso de microservicios permite manejar esta carga de trabajo de manera más eficiente, reduciendo la necesidad de equipos de alto rendimiento.
Enlace al repositorio: https://hdl.handle.net/11537/39659
Disciplina académico-profesional: Ingeniería de Sistemas Computacionales
Institución que otorga el grado o título: Universidad Privada del Norte. Facultad de Ingeniería
Grado o título: Ingeniero de Sistemas Computacionales
Jurado: Gómez Avila, José Alberto; Uceda Martos, Patricia Janet; Bazan Diaz, Laura Sofia
Fecha de registro: 21-ene-2025



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