Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales
A finales del año 2019 apareció un nuevo virus denominado COVID-19, el cual ha afectado a muchos países alrededor del mundo y ha generado muchas muertes. Este virus entra al cuerpo por tres medios: ojos, nariz y boca. La organización mundial de la salud ordenó el uso indispensable de mascarillas en...
- Autores:
-
Ruiz Caicedo, Franklin De Jesús
Anillo Polo, Luis Enriques
Meléndez Gutiérrez, María José
Mejía Toro, Moisés Alfonso
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad Simón Bolívar
- Repositorio:
- Repositorio Digital USB
- Idioma:
- spa
- OAI Identifier:
- oai:bonga.unisimon.edu.co:20.500.12442/9350
- Acceso en línea:
- https://hdl.handle.net/20.500.12442/9350
- Palabra clave:
- Visión computacional
Redes neuronales
Rede neuronal convolucional
Computational vision
Neural networks
Convolutional neural network
- Rights
- restrictedAccess
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
| id |
USIMONBOL2_39de1a858f58018d7a2120df09728ada |
|---|---|
| oai_identifier_str |
oai:bonga.unisimon.edu.co:20.500.12442/9350 |
| network_acronym_str |
USIMONBOL2 |
| network_name_str |
Repositorio Digital USB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| dc.title.translated.eng.fl_str_mv |
Detection of face masks in images for the prevention of COVID-19 through neural networks |
| title |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| spellingShingle |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales Visión computacional Redes neuronales Rede neuronal convolucional Computational vision Neural networks Convolutional neural network |
| title_short |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| title_full |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| title_fullStr |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| title_full_unstemmed |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| title_sort |
Detección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronales |
| dc.creator.fl_str_mv |
Ruiz Caicedo, Franklin De Jesús Anillo Polo, Luis Enriques Meléndez Gutiérrez, María José Mejía Toro, Moisés Alfonso |
| dc.contributor.advisor.none.fl_str_mv |
Moreno Trillos, Silvia |
| dc.contributor.author.none.fl_str_mv |
Ruiz Caicedo, Franklin De Jesús Anillo Polo, Luis Enriques Meléndez Gutiérrez, María José Mejía Toro, Moisés Alfonso |
| dc.subject.spa.fl_str_mv |
Visión computacional Redes neuronales Rede neuronal convolucional |
| topic |
Visión computacional Redes neuronales Rede neuronal convolucional Computational vision Neural networks Convolutional neural network |
| dc.subject.eng.fl_str_mv |
Computational vision Neural networks Convolutional neural network |
| description |
A finales del año 2019 apareció un nuevo virus denominado COVID-19, el cual ha afectado a muchos países alrededor del mundo y ha generado muchas muertes. Este virus entra al cuerpo por tres medios: ojos, nariz y boca. La organización mundial de la salud ordenó el uso indispensable de mascarillas en espacios públicos, personal de la salud y en personas infectadas, y el lavado constante de las manos para así prevenir la expansión de este virus y evitar mayores consecuencias a la población en general. Debido a la falta de concientización acerca del virus, y por ende el uso inadecuado o simplemente el no usar mascarillas en espacios públicos, se ha generado un mayor número de contagios en este país, ocasionando un aumento en el sistema de salud. A pesar de todas estas normas, una pequeña parte de la población aún no se concientiza y estos siguen propagando el virus. En este trabajo proponemos un algoritmo que procese las diferentes imágenes que recibe y analiza a través de redes neuronales si la persona tiene o no mascarilla para así hacer su respectiva detección y llamado de atención y por ende prevenir la expansión del covid-19. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-02-08T13:26:10Z |
| dc.date.available.none.fl_str_mv |
2022-02-08T13:26:10Z |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.spa.spa.fl_str_mv |
Trabajo de grado - pregrado |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12442/9350 |
| url |
https://hdl.handle.net/20.500.12442/9350 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.*.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_16ec |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/restrictedAccess |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 Internacional http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_16ec |
| eu_rights_str_mv |
restrictedAccess |
| dc.format.mimetype.spa.fl_str_mv |
pdf |
| dc.publisher.spa.fl_str_mv |
Ediciones Universidad Simón Bolívar Facultad de Ingenierías |
| institution |
Universidad Simón Bolívar |
| bitstream.url.fl_str_mv |
https://bonga.unisimon.edu.co/bitstreams/ee1ba503-f0cc-4e10-8976-bde301effb06/download https://bonga.unisimon.edu.co/bitstreams/4739e438-3d5c-41db-b623-195f2d37ce58/download https://bonga.unisimon.edu.co/bitstreams/8fddfddc-ecaf-486e-98e2-0886bd9d48d7/download https://bonga.unisimon.edu.co/bitstreams/aeb73c54-0f5d-4365-9bfa-90c82054333f/download https://bonga.unisimon.edu.co/bitstreams/eea15780-2060-46b4-a21b-f9002aaf3df8/download https://bonga.unisimon.edu.co/bitstreams/55ca2f69-12b8-44bd-9026-7beb2e838d77/download https://bonga.unisimon.edu.co/bitstreams/d1d26f69-94e2-4f6a-aa42-7027934a663a/download https://bonga.unisimon.edu.co/bitstreams/79d93410-1813-4d29-b3e2-a3055239f77e/download https://bonga.unisimon.edu.co/bitstreams/5b030953-0e7d-43bb-a558-8725d3c63811/download https://bonga.unisimon.edu.co/bitstreams/f119ee03-ea30-46bd-89f1-5bec6cd8f683/download https://bonga.unisimon.edu.co/bitstreams/4cf9fa32-8906-4017-b801-8d36e7e420f4/download https://bonga.unisimon.edu.co/bitstreams/d3ef6ebc-b47e-446a-9b9e-bc6b2565b478/download https://bonga.unisimon.edu.co/bitstreams/f90ffc35-7b9d-427c-9dc7-7467709e0311/download https://bonga.unisimon.edu.co/bitstreams/ea8fbf0b-1d11-430c-b6e8-f1fc4be546cd/download https://bonga.unisimon.edu.co/bitstreams/9b111dca-3404-45ee-86e3-208cebe14ae9/download https://bonga.unisimon.edu.co/bitstreams/59940906-0366-4424-b3c9-9a68703d7caf/download |
| bitstream.checksum.fl_str_mv |
f09f7c99448005f513689d623e170a6f 21581fbe3c026515944a79002f4b9fd6 4460e5956bc1d1639be9ae6146a50347 2a1661e5960a7bab4fd8dda692fb677c 0ff106c59abb44fba3e4aac8a78a1772 4db53b630b7b0b97644afc449dfbda0b 78d9c143fc7c61541cbb841202b73c76 b8b326703f90ae390e9e7a395ffcba9d 78d9c143fc7c61541cbb841202b73c76 b8b326703f90ae390e9e7a395ffcba9d a3ed98f71d80e4bb7fd7b63b40a21d55 b81391f49abbf9488640b5e7110fca0f 58629e2e02d04807d8140f35b188163c 0b5fcb2e15ee9f99a7325200e5d1d14b 58629e2e02d04807d8140f35b188163c 0b5fcb2e15ee9f99a7325200e5d1d14b |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Digital Universidad Simón Bolívar |
| repository.mail.fl_str_mv |
repositorio.digital@unisimon.edu.co |
| _version_ |
1814076095985614848 |
| spelling |
Moreno Trillos, SilviaRuiz Caicedo, Franklin De Jesús0dcd2e56-b1cd-4535-b4fb-c70cba7ce19fAnillo Polo, Luis Enriquesf5b77119-3dc5-4fe4-9cc1-e4ed8dc88e55Meléndez Gutiérrez, María José0eb747fa-cb8e-4fc3-b117-8928c559ee25Mejía Toro, Moisés Alfonsob2eb3883-e3b2-4cae-9297-4e2432d961452022-02-08T13:26:10Z2022-02-08T13:26:10Z2021https://hdl.handle.net/20.500.12442/9350A finales del año 2019 apareció un nuevo virus denominado COVID-19, el cual ha afectado a muchos países alrededor del mundo y ha generado muchas muertes. Este virus entra al cuerpo por tres medios: ojos, nariz y boca. La organización mundial de la salud ordenó el uso indispensable de mascarillas en espacios públicos, personal de la salud y en personas infectadas, y el lavado constante de las manos para así prevenir la expansión de este virus y evitar mayores consecuencias a la población en general. Debido a la falta de concientización acerca del virus, y por ende el uso inadecuado o simplemente el no usar mascarillas en espacios públicos, se ha generado un mayor número de contagios en este país, ocasionando un aumento en el sistema de salud. A pesar de todas estas normas, una pequeña parte de la población aún no se concientiza y estos siguen propagando el virus. En este trabajo proponemos un algoritmo que procese las diferentes imágenes que recibe y analiza a través de redes neuronales si la persona tiene o no mascarilla para así hacer su respectiva detección y llamado de atención y por ende prevenir la expansión del covid-19.At the end of 2019, a new virus called COVID-19 appeared, which has affected many countries around the world and has caused many deaths. This virus enters the body by three means: eyes, nose, and mouth. The world health organization ordered the essential use of masks in public spaces, health personnel and infected people, and the constant washing of hands in order to prevent the spread of this virus and avoid greater consequences for the general population. Due to the lack of awareness about the virus, and therefore the inappropriate use or simply not wearing masks in public spaces, a greater number of infections has been generated in this country, causing an increase in the health system. Despite all these norms, a small part of the population is still not aware and they continue to spread the virus. In this work we propose an algorithm that processes the different images that it receives and analyzes through neural networks whether or not the person has a mask in order to make their respective detection and call for attention and therefore prevent the spread of covid-19.pdfspaEdiciones Universidad Simón BolívarFacultad de IngenieríasAttribution-NonCommercial-NoDerivatives 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/restrictedAccesshttp://purl.org/coar/access_right/c_16ecVisión computacionalRedes neuronalesRede neuronal convolucionalComputational visionNeural networksConvolutional neural networkDetección de tapabocas en imágenes para la prevención del COVID-19 a través de redes neuronalesDetection of face masks in images for the prevention of COVID-19 through neural networksinfo:eu-repo/semantics/bachelorThesisTrabajo de grado - pregradohttp://purl.org/coar/resource_type/c_7a1f"La OMS caracteriza a COVID-19 como una pandemia - OPS/OMS | Organización Panamericana de la Salud", Paho.org, 2020. [Online]. Available: https://www.paho.org/es/noticias/11-3-2020-oms-caracteriza-covid-19-como-pandemia [Accessed: 06- Apr- 2021].Abigail Orús (2021, Mar 20). Número de personas fallecidas a consecuencia del coronavirus a nivel mundial a fecha de 14 de marzo de 2021, por continente. [Online] Disponible: https://es.statista.com/estadisticas/1107719/covid19-numero-de-muertes-a-nivel-mundial-por-region/.“OPS advierte sobre un repunte de COVID-19 en las Américas”, Paho.org. [En línea]. Disponible en: https://www.paho.org/es/noticias/23-3-2021-ops-advierte-sobre-repunte-covid-19-americas. [Consultado: 28-sep-2021].Semana.com Últimas Noticias de Colombia y el Mundo. 2021. Coronavirus en Colombia: MinSalud reportó 3.511 nuevos casos y 78 muertes este martes. [online] Available at:https://www.semana.com/nacion/articulo/coronavirus-en-colombia-minsalud-reporto-3511-nuevos-casos-y-78-muertes-este-martes/202124/ [Accessed 8 March 2021].Canal Comstor (2017, Dic 29) ¿Que es la visión computacional? [Online] Disponible: https://blogmexico.comstor.com/que-es-la-vision-computacional.Oscar Garcia. (2019, Sep 16). Redes Neuronales artificiales: Qué son y cómo se entrenan [Online] Disponible: https://www.xeridia.com/blog/redes-neuronales-artificiales-que-son-y-como-se-entrenan-parte-i.Damián M. (Mar 2001) Redes Neuronales: Conceptos Básicos y Aplicaciones. Recuperado de: https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redesneuronales.pdf.S. Silva y E. Feire (2019.Noviembre, 23), Intro a las Redes neuronales convolucionales.[Online] Disponible: https://bootcampai.medium.com/redes-neuronales-convolucionales-5e0ce960caf8.C. Camacho, "Convolutional Neural Networks", Cezannec.github.io, 2018. [Online]. Available: https://cezannec.github.io/Convolutional_Neural_Networks/. [Accessed: 06- Apr- 2021].D. Calvo, "Backpropagation – Redes neuronales", Diegocalvo.es, 2018. [Online]. Available: https://www.diegocalvo.es/backpropagation-redes-neuronales/. [Accessed: 06- Apr- 2021].E. Blanco, "¿Cómo funciona el algoritmo Backpropagation en una Red Neuronal? - Think Big Empresas", Think Big, 2019. [Online]. Available: https://empresas.blogthinkbig.com/como-funciona-el-algoritmo-backpropagation-en-una-red-neuronal/. [Accessed: 06- Apr- 2021]Gracia, L. (2013, 9 octubre). ¿Qué es OpenCV? Un poco de Java. https://unpocodejava.com/2013/10/09/que-es-opencv/330 ohms (2020, Nov 17). ¿Cómo detectar objetos con YOLO? [Online]. Recuperado de: https://blog.330ohms.com/2020/11/17/deteccion-de-objetos-con-yolo/#:~:text=El%20algoritmo%20YOLO&text=Uno%20de%20los%20mejores%20algoritmos,una%20rect%C3%A1ngulo%20el%20objeto%20detectado.Said, Y. Pynq-YOLO-Net: An embedded quantized convolutional neural network for face mask detection in COVID-19 pandemic era (2020).Jiang, X., Gao, T., Zhu, Z., Zhao, Y. Real-time face mask detection method based on yolov3 (2021).Paper with code (2018, Abr 08). Darknet-53 [Online] Disponible: https://paperswithcode.com/method/darknet-53.Jonathan Hui (2018, Mar 06) mAP (mean Average Precision) for Object Detection [Online] Disponible:https: //jonathan-hui.medium.com/map-mean-average-precision-for-object-detection-45c121a31173pjreddie (2018) YOLO: Real-Time Object Detection [Online] Disponible: https://pjreddie.com/darknet/yolo/.Jiang, X., Xiang, F., Lv, M., Wang, W., Zhang, Z., Yu, Y.YOLOv3-Slim for Face Mask Recognition (2021) https://iopscience.iop.org/article/10.1088/1742-6596/1771/1/012002.MobileNetV2: The Next Generation of On-Device Computer Vision Networks. (2018, 3 abril). Google AI Blog. https://ai.googleblog.com/2018/04/mobilenetv2-next-generation-ofon.html.Sede BarranquillaIngeniería de SistemasORIGINALPDF.pdfPDF.pdfapplication/pdf1233432https://bonga.unisimon.edu.co/bitstreams/ee1ba503-f0cc-4e10-8976-bde301effb06/downloadf09f7c99448005f513689d623e170a6fMD51PDF_Resumen.pdfPDF_Resumen.pdfapplication/pdf573773https://bonga.unisimon.edu.co/bitstreams/4739e438-3d5c-41db-b623-195f2d37ce58/download21581fbe3c026515944a79002f4b9fd6MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://bonga.unisimon.edu.co/bitstreams/8fddfddc-ecaf-486e-98e2-0886bd9d48d7/download4460e5956bc1d1639be9ae6146a50347MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-83000https://bonga.unisimon.edu.co/bitstreams/aeb73c54-0f5d-4365-9bfa-90c82054333f/download2a1661e5960a7bab4fd8dda692fb677cMD54TEXTDetección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Artículo.pdf.txtDetección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Artículo.pdf.txtExtracted texttext/plain32181https://bonga.unisimon.edu.co/bitstreams/eea15780-2060-46b4-a21b-f9002aaf3df8/download0ff106c59abb44fba3e4aac8a78a1772MD55Detección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Resumen.pdf.txtDetección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Resumen.pdf.txtExtracted texttext/plain10336https://bonga.unisimon.edu.co/bitstreams/55ca2f69-12b8-44bd-9026-7beb2e838d77/download4db53b630b7b0b97644afc449dfbda0bMD57PDF.txtPDF.txtExtracted texttext/plain36926https://bonga.unisimon.edu.co/bitstreams/d1d26f69-94e2-4f6a-aa42-7027934a663a/download78d9c143fc7c61541cbb841202b73c76MD59PDF_Resumen.txtPDF_Resumen.txtExtracted texttext/plain10600https://bonga.unisimon.edu.co/bitstreams/79d93410-1813-4d29-b3e2-a3055239f77e/downloadb8b326703f90ae390e9e7a395ffcba9dMD511PDF.pdf.txtPDF.pdf.txtExtracted texttext/plain36926https://bonga.unisimon.edu.co/bitstreams/5b030953-0e7d-43bb-a558-8725d3c63811/download78d9c143fc7c61541cbb841202b73c76MD513PDF_Resumen.pdf.txtPDF_Resumen.pdf.txtExtracted texttext/plain10600https://bonga.unisimon.edu.co/bitstreams/f119ee03-ea30-46bd-89f1-5bec6cd8f683/downloadb8b326703f90ae390e9e7a395ffcba9dMD515THUMBNAILDetección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Artículo.pdf.jpgDetección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Artículo.pdf.jpgGenerated Thumbnailimage/jpeg16850https://bonga.unisimon.edu.co/bitstreams/4cf9fa32-8906-4017-b801-8d36e7e420f4/downloada3ed98f71d80e4bb7fd7b63b40a21d55MD56Detección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Resumen.pdf.jpgDetección_Tapabocas_Imágenes_Prevención_COVID-19_Redes_Neuronales_Resumen.pdf.jpgGenerated Thumbnailimage/jpeg10084https://bonga.unisimon.edu.co/bitstreams/d3ef6ebc-b47e-446a-9b9e-bc6b2565b478/downloadb81391f49abbf9488640b5e7110fca0fMD58PDF.jpgPDF.jpgGenerated Thumbnailimage/jpeg5590https://bonga.unisimon.edu.co/bitstreams/f90ffc35-7b9d-427c-9dc7-7467709e0311/download58629e2e02d04807d8140f35b188163cMD510PDF_Resumen.jpgPDF_Resumen.jpgGenerated Thumbnailimage/jpeg4149https://bonga.unisimon.edu.co/bitstreams/ea8fbf0b-1d11-430c-b6e8-f1fc4be546cd/download0b5fcb2e15ee9f99a7325200e5d1d14bMD512PDF.pdf.jpgPDF.pdf.jpgGenerated Thumbnailimage/jpeg5590https://bonga.unisimon.edu.co/bitstreams/9b111dca-3404-45ee-86e3-208cebe14ae9/download58629e2e02d04807d8140f35b188163cMD514PDF_Resumen.pdf.jpgPDF_Resumen.pdf.jpgGenerated Thumbnailimage/jpeg4149https://bonga.unisimon.edu.co/bitstreams/59940906-0366-4424-b3c9-9a68703d7caf/download0b5fcb2e15ee9f99a7325200e5d1d14bMD51620.500.12442/9350oai:bonga.unisimon.edu.co:20.500.12442/93502024-08-14 21:52:01.122http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internacionalrestrictedhttps://bonga.unisimon.edu.coRepositorio Digital Universidad Simón Bolívarrepositorio.digital@unisimon.edu.co |