Diseño de una red neuronal convolucional para el reconocimiento facial

• Autores: Rodríguez Farías, Luis Wenderley, Becerra Chávez, Richard Antonio, Surita Chasquero, Denis Iván
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de Piura
• Repositorio: UNP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unp.edu.pe:20.500.12676/4177
• Enlace del recurso: https://repositorio.unp.edu.pe/handle/20.500.12676/4177
• Nivel de acceso: acceso abierto
• Materia: data augmentation; shuffle; dropout; Python; Google Colab; Google Drive; http://purl.org/pe-repo/ocde/ford#2.02.00

El presente trabajo de investigación muestra cómo se diseña una red neuronal convolucional para el reconocimiento de rostros. Para esto se necesitó generar una base de datos, la cual fue generada a partir de videos grabados por cada integrante. Se logró generar una base de datos con un total de 7127 imágenes, de las cuales 5627 se destinaron para el entrenamiento y 1500 para la validación de la red neuronal. El entrenamiento de la red neuronal convolucional exigió el uso de “Data Augmentation”, “Shuffle” y “Dropout” las cuales son herramientas del lenguaje de programación Python, su uso fue necesario poder resolver el problema de sobreajuste que se tenía en previos intentos. Fueron necesarias 100 épocas para que la validación sea más precisa y más exacta. El porcentaje promedio de acierto en el reconocimiento de rostros fue de 91.97%. Para el desarrollo de los objetivos del presente trabajo de investigación se hizo uso de los servicios gratuitos de la compañía Google, se usó Google Colab y Google Drive.