A computer vision model to identify the incorrect use of face masks for COVID-19 awareness

Abstract

La detección de mascarillas faciales se ha convertido en un gran desafío en la visión por computadora, lo que exige la unión de la tecnología con la conciencia de COVID-19. Los investigadores han propuesto modelos de aprendizaje profundo para detectar el uso de mascarillas. Sin embargo, el uso incorrecto de una mascarilla puede ser tan perjudicial como no llevar protección alguna. En esta tesis, proponemos una arquitectura de red neuronal convolucional (CNN) basada en dos tareas de visión por computadora: localización de objetos para descubrir rostros en imágenes/videos, seguida de un modelo de CNN de clasificación de imágenes para categorizar los rostros y mostrar si alguien está usando una mascarilla correctamente, incorrectamente o no utiliza alguna. La primera CNN se basa en RetinaFace, un modelo para detectar rostros en imágenes; mientras que la segunda CNN utiliza una arquitectura Resnet-18 como columna vertebral de clasificación. Nuestro modelo permite una identificación precisa de las personas que no están siguiendo correctamente las recomendaciones sanitarias de COVID-19 sobre el uso de mascarillas. Hemos lanzado al público tanto el conjunto de datos utilizado para entrenar el modelo de clasificación como nuestro modelo propuesto de visión artificial, y los hemos optimizado para la implementación de sistemas integrados, lo que permite un uso global de nuestra tecnología.