Otimização, utilizando apenas CPU, no uso de algoritmos para detecção e reconhecimento de faces desprovidas de máscaras faciais

Abstract

RESUMO: Com o avanço da pandemia cometida pelo surto da doença COVID-19, a máscara facial se tornou um item necessário para a circulação segura de indivíduos por ambientes fechados. A procura por soluções que aprimorem o monitoramento frequente de pessoas utilizando máscaras faciais, fez com que técnicas avançadas como Redes Neurais Convolucionais (RNC) fossem utilizadas para esse fim. Modelos pré-treinados de RNC, para hardwares sem Graphics Processing Unit (GPU), como YOLO-LITE e MobileNetV2, são utilizadas para diversas funções, dentre elas a detecção de faces e o reconhecimento de faces com máscaras e sem máscaras faciais. O presente trabalho desenvolve um algoritmo que trabalha com diferentes modelos pré-treinados em conjunto, aprimorando a detecção e reconhecimento de faces com máscaras e sem máscaras, utilizando apenas Computer Processing Unit (CPU), chegando a aumentar em 388% o reconhecimento de faces sem máscaras e diminuindo em até 45% o uso da CPU, em comparação aos modelos testados.