Identificação automática do uso de máscaras de proteção facial: um estudo comparativo

Abstract

O uso de máscaras de proteção é uma importante medida para diminuir a transmissão da COVID-19 e de outras doenças. O presente trabalho teve como objetivo realizar um estudo comparativo entre diferentes modelos de aprendizado profundo aplicados na identificação da máscara de proteção (pessoa sem máscara, com máscara ou com máscara incorretamente posicionada). Métodos: foram implementados e avaliados os modelos de Redes Neurais Convolucionais MobileNetV3, Xception, VGG19. Foi utilizada a técnica de transferência de aprendizado na implementação e ajuste desses modelos. Resultados: Os modelos avaliados apresentaram acurácias que variaram entre 42% e 86%, esta última obtida pelo modelo Xception, superando os resultados reportados na literatura correlata. Conclusão: Os resultados apontam para o potencial promissor do modelo Xception que, ao viabilizar o monitoramento automático, permite a orientação de pessoas quanto ao correto uso de máscaras de proteção, dessa forma, contribuindo para diminuir o espalhamento de doenças através das vias aéreas.