Rilevamento di mascherine facciali sanitarie: sperimentazione e porting di una soluzione allo stato dell'arte su Android con TensorFlow Lite

La pandemia COVID-19 attualmente in corso denominata anche "coronavirus" ha destabilizzato la nostra società e il nostro modo di vivere, l’utilizzo di mascherine mediche e il distanziamento sociale sono diventati essenziali per evitare la diffusione del virus. Questo elaborato di tesi ha lo scopo di individuare se le persone indossano le mascherine mediche o meno grazie al supporto del machine learning e in particolare del deep learning, con lo scopo di limitare i contagi tra le persone. Da internet è possibile reperire un gran numero di immagini contenenti persone che indossano una mascherina medica e altrettante immagini di persone che non indossano alcuna mascherina medica. Raccogliere un grande insieme di immagini con il più alto e ugual numero di immagini per tipo (mascherina e non) possibile aiuta un modello di conoscenza nel suo processo di addestramento ad apprendere meglio le differenze tra questi due tipi di immagini. Un modello di conoscenza è capace di imparare autonomamente grazie ad un elevato numero di esempi e dati, e questo grazie all’utilizzo del machine learning. L’obiettivo finale di questa tesi è quello di sviluppare una applicazione Android in grado tramite la fotocamera del cellulare di classificare in tempo reale se le persone inquadrate indossano una mascherina medica o meno utilizzando approcci esistenti al problema, usando metodi di deep learning in particolare utilizzando le convolutional neural networks per elaborare le immagini.