Hybrid model of quatum transfer learning to classify faces images with a Covid-19 mask

• Autor: Soto Paredes, Christian Jaime
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional de San Agustín
• Repositorio: UNSA-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unsa.edu.pe:20.500.12773/15025
• Enlace del recurso: http://hdl.handle.net/20.500.12773/15025
• Nivel de acceso: acceso abierto
• Materia: hibrido; Cuántico; Clasificación; rostros; Covid-19; mascarilla; https://purl.org/pe-repo/ocde/ford#2.02.04

Según estadísticas a la fecha, se estableció que la enfermedad conocida como Covid-19 fue contraída por 219 millones de personas, de las cuales 4.55 millones concluyeron en muerte. Es así que para prevenir el avance de la enfermedad se establecieron protocolos de seguridad. Uno de los principales protocolos es el que establece el uso de mascarillas protectoras las cuales deben cubrir adecuadamente nariz y boca. Es en ese sentido que el objetivo de este artículo fue clasificar imágenes de rostros usando mascarillas protectoras del Covid-19, en las clases identificadas como: correct mask, incorrect mask y no mask; con un modelo Hibrido de Quantum Transfer Learning, utilizando para tal fin un dataset de 660 personas de ambos sexos (masculino y femenino), con edades de entre los 18 a 86 a˜nos. El modelo de transfer learning clásico escogido fue ResNet-18, las capas variacionales del modelo propuesto se construyeron con el template Basic Entagler Layers para 4 qubits y la optimización del entrenamiento se realizó con el Stochastic Gradient Descent con Nesterov Momentum. En las pruebas realizadas se obtuvo un 99.05% de exactitud en la clasificación utilizando el simulador cuántico de Pennylane. Es así que se concluye que el modelo hibrido propuesto es una excelente opción para detectar correctamente la posición de las mascarillas protectoras del Covid-19.