Aplicación móvil para el registro de asistencia académica en tiempo real basada en la red neuronal convolucional MobileFaceNet
El registro de asistencia controla la participación del estudiante en las actividades académicas universitarias, reflejando el compromiso con su formación profesional. Sin embargo, los sistemas tradicionales requieren un tiempo moderado para realizar esta actividad y pueden ser susceptibles de fraud...
Enregistré dans:
| Auteur principal: | |
|---|---|
| Autres auteurs: | , , , |
| Format: | article |
| Langue: | eng |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://repositorio.utn.edu.ec/handle/123456789/18329 https://dm.ageditor.ar/index.php/dm/article/view/193 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Ajouter un tag | Résumé: | El registro de asistencia controla la participación del estudiante en las actividades académicas universitarias, reflejando el compromiso con su formación profesional. Sin embargo, los sistemas tradicionales requieren un tiempo moderado para realizar esta actividad y pueden ser susceptibles de fraude y errores. En el panorama tecnológico actual, el reconocimiento facial se ha convertido en una solución eficaz a problemas en diversos campos. Actualmente, todos los profesores universitarios poseen smartphones. Considerando esta ventaja, este artículo propone desarrollar una aplicación móvil para el registro de asistencia académica utilizando tecnologías avanzadas de inteligencia artificial como Multitasking Cascade Convolutional Networks (MTCNN) en la detección facial, MobileFaceNet en la extracción de rasgos faciales (vector facial) y la función de distancia euclidiana en el cálculo de similitud entre los vectores obtenidos. MobileFaceNet fue evaluado en Python, utilizando un conjunto de datos personalizado de estudiantes de nivel superior de la carrera de Software de la Universidad Técnica del Norte, logrando una precisión del 98,9 % y del 99,4 % en LWF. Posteriormente, los modelos fueron integrados en una aplicación móvil desarrollada con Android Studio. Finalmente, se comparó el tiempo requerido para registrar la asistencia utilizando la plataforma académica de la universidad (SIIU) y la aplicación móvil de reconocimiento facial. El benchmarking mostró una reducción de 24 segundos del 33 % en el tiempo de registro de asistencia. |
|---|