Detección de estudiantes que copian en el aula usando Redes Neuronales Convolucionales
Resumen
La modernización del proceso educativo implica la automatización de las actividades académicas y administrativas que fomenten un entorno inteligente. Incorporar tecnologías emergentes en las instituciones educativas de nivel superior permitirá transitar hacia la conversión de procesos rutinarios para mejorar la calidad del servicio educativo. El presente trabajo consiste en automatizar la detección de alumnos que copian durante la aplicación de sus exámenes en las aulas utilizando técnicas de Deep Learning con redes neuronales convolucionales. Se obtuvo una precisión de un 95.75% en el modelo de clasificación después de experimentar con diferentes parámetros y arquitecturas de una red neuronal convolucional.
Descargas
Citas
Delgado, A., Timana, D., Golondrino, E. and Villalba K., (2019). Arquitectura IoT para la identificación de personas en entornos educativos, Revista Ibérica de Sistemas y Tecnologías de Información, 841-853.
Krizhevsky, A, I Sutskever, y G Hinton (2012), Imagenet classification with deep convolutional neural networks, In Advances in neural information processing systems, 1097-1105. DOI:10.1145/3065386
LeCun, Y. (2012). Learning Invariant Feature Hierarchies. European Conference on Computer Vision, European Conference on Computer Vision. DOI: 10.1007/978-3-642-33863-2_51
LeCun, Y, Y Bengio, y G Hinton. (2015). Deep learning. Nature. 521(7553), 436-444.
Sudhakar, S., Saberian, M. y Li, J. (2015). Multi-view face detection using Deep Convolutional Neural Networks. Sitio oficial de la Association for Computing Machinery. DOI: 10.1145/2671188.2749408
Szegedy, C. (2015), Going deeper with convolutions, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. DOI:10.1109/CVPR.2015.7298594
Triantafyllidou, D. y Tefas, A. (2016) Face detection based on deep convolutional neural networks exploiting incremental facial part learning, 23rd International Conference on Pattern Recognition (ICPR), Cancun, Mexico.,3560-3565. DOI:10.1109/ICPR.2016.7900186
Vázquez, M. (2014) Sistema de reconocimiento facial mediante técnicas de visión tridimensional [Tesis de maestría. Centro de investigaciones en Óptica]. Repositorio Institucional.
Zeiler, M D, y R Fergus. Visualizing and understanding convolutional networks. Lecture Notes in Bioinformatics, 2014. DOI:10.1007/978-3-319-10590-1_53
