Algoritmo basado en una red siamesa, pérdida del triplete, k-vecinos más cercanos y en el aprendizaje de una sesión para el reconocimiento facial

Abstract

La investigación realizada tuvo como objetivo principal determinar el impacto de la implementación de un Algoritmo basado en una red siamesa, pérdida del triplete, kvecinos más cercanos y en el aprendizaje de una sesión para el reconocimiento facial. Las teorías que se platearon respecto a la investigación son que la implementación de un algoritmo basado en una red siamesa, pérdida del triplete, k-vecinos más cercanos y en el aprendizaje de una sesión, reducirá el tiempo de entrenamiento de reconocimiento facial y además de ello aumentará la precisión del mismo. La investigación se realizó mediante un enfoque cuantitativo, con un diseño de tipo preexperimental. Para el presente estudio se tomó como población los datos digitales del dataset ORL, que incluyo 400 imágenes de representaciones faciales y como muestra se utilizó 40 imágenes de representaciones faciales. El instrumento que se planteo fue la ficha de registro. Los resultados de la investigación mostraron que la implementación del algoritmo no tuvo un impacto positivo en el reconocimiento facial. No se logró reducir el tiempo de reconocimiento facial frente al algoritmo del triple, obteniendo un resultado de 0.96525 milisegundos, en comparación con los 0.7025 milisegundos del algoritmo de pérdida del triplete. Además, la implementación del algoritmo propuesto no tuvo un impacto positivo en el aumento de la precisión en el reconocimiento frente al algoritmo del triplete, obteniendo un 92.5% frente al 95% del algoritmo de pérdida del triplete.