Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Formato de Articulos
Formato de Articulos
scimagojr.com
El brote de COVID-19 ha atenuado la necesidad de un sistema de monitoreo que pueda monitorear el cumplimiento de las mascarillas faciale
distanciamiento social con el uso de IA. Aprovechando el sistema de videovigilancia existente, se propone un método basado en el aprendiza
profundo para la detección de mascarillas y el distanciamiento social. Los modelos de detección y reconocimiento de objetos de última gener
como Mask RCNN, YOLOv4, YOLOv5 y YOLOR, se entrenaron para la detección de máscaras y se evaluaron en los conjuntos de datos ex
y en un conjunto de datos de detección de máscara de video propuesto. Los resultados obtenidos lograron una precisión promedio promedio
comparativamente alta. Después de la detección de máscaras, se mide la distancia entre las caras de las personas. Además, se presenta un nue
conjunto de datos de máscaras a gran escala de videos llamado VIDMASK. Esto diversifica a los sujetos en términos de pose, entorno, calida
imagen y características versátiles del sujeto, lo que produce un conjunto de datos desafiante. Los modelos probados logran detectar las másc
faciales con un alto rendimiento en el conjunto de datos existente, MOXA. Sin embargo, con el conjunto de datos VIDMASK, el rendimient
estos modelos es menos preciso debido a la complejidad del conjunto de datos y la cantidad de personas en cada escena. El enlace al conjunt
datos de ViDMask y los códigos base están disponibles en https://github.com/ViDMask/VidMask-code.git.
Enlace Artículo Utilizado Observaciones