Deep learning para la detección e identificación de estudiantes en el Instituto de Educación Superior Tecnológico Publico Espinar, 2023

• Autor: Calli Olvea, Javier
• Formato: tesis de maestría
• Fecha de Publicación: 2025
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/24946
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/24946
• Nivel de acceso: acceso abierto
• Materia: Dataset; Deep learning; FaceNet; Google Colaboratory; Identificación; Rostro; https://purl.org/pe-repo/ocde/ford#2.02.04

El Instituto Superior Tecnológico Público Espinar, ubicado en Cusco - Perú, instaló cámaras de videovigilancia en 2023, para ello se necesitaba automatizar el procesamiento de los videos capturados en tiempo real. Este trabajo tuvo como objetivo diseñar, implementar y validar un modelo capaz de realizar identificación facial de estudiantes, para lo cual se utilizó el algoritmo de aprendizaje profundo FaceNet, que trabaja mediante representaciones numéricas de rostros humanos. El principal desafío consistía en proporcionar soluciones oportunas mediante estos algoritmos en diversos escenarios con cámaras de vigilancia, considerando que la actitud de las personas no siempre es colaborativa. La metodología incluyó la creación manual de un conjunto de datos con imágenes faciales de 115 estudiantes, dividido en tres grupos: entrenamiento (80%), validación (10%) y pruebas (10%). Para maximizar el rendimiento del modelo, se configuraron los hiperparámetros en Google Colaboratory con GPU. Los resultados mostraron una precisión del 99,33%, lo que demuestra que el modelo basado en FaceNet es altamente efectivo para el reconocimiento facial.