Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/handle/29.500.19856/71588
Title: | Análisis comparativo de ML Kit y TensorFlow Lite para el reconocimiento facial en aplicaciones multiplataforma |
Authors: | Ruiz Vivanco, Omar Alexander Camino Sarzosa, Paula Emilia |
Keywords: | Ecuador. Tesis digital. |
Issue Date: | 2025 |
Citation: | Camino Sarzosa, P. E. Ruiz Vivanco, O. A. (2025) Análisis comparativo de ML Kit y TensorFlow Lite para el reconocimiento facial en aplicaciones multiplataforma [Tesis de Grado, Universidad Técnica Particular de Loja]. Repositorio Institucional. https://dspace.utpl.edu.ec/handle/29.500.19856/71588 |
Abstract: | Abstract: The following work presents a comparative analysis between Google ML Kit and TensorFlow Lite applied to face detection in cross platform mobile applications developed with Flutter. This study aims to contribute with an experimental analysis that facilities informed decision-making when selecting machine learning tools, given limited comparative documentation available for these two google solutions. The analysis involves the development of two independent prototypes, one using Google ML Kit and the other using the face_detection_full_range.tflite model from TensorFlow Lite, evaluated using the WiderFace Benchmark Dataset. Metrics such as precision, recall, F1 score, and processing time were measured, highlighting differences in performance, strengths, and limitations between the models. The applied methodology is experimental, ensuring objective and replicable results. The findings provide a clear understanding of the advantages and disadvantages of both tools. |
Description: | Resumen: Existen múltiples soluciones de visión artificial mediante aprendizaje automático para dispositivos móviles, sin embargo, no se cuenta con suficientes estudios comparativos que evalúen sus ventajas y limitaciones. Con el presente trabajo se busca aportar con un estudio experimental y de análisis entre Google ML Kit y TensorFlow Lite en el contexto de la detección facial en aplicaciones móviles multiplataforma desarrolladas con Flutter; que facilite la toma de decisiones informadas al elegir herramientas de aprendizaje automático en el ámbito de la visión por computadora. Este análisis abarca el desarrollo de dos prototipos, el primero utilizando Google ML Kit y el segundo integrando el modelo de TensorFlow Lite face_detection_full_range.tflite, que serán evaluados contra el conjunto de datos WiderFace Benchmark. En base a la evaluación, se calculan métricas de precisión y tiempo de procesamiento, se analiza también la facilidad de integración de cada herramienta. Los hallazgos de estos experimentos ponen en evidencia las ventajas y desventajas de cada uno de los modelos. |
URI: | https://bibliotecautpl.utpl.edu.ec/cgi-bin/abnetclwo?ACC=DOSEARCH&xsqf99=146417.TITN. |
Appears in Collections: | Ingeniería en Tecnologías de la Información |
Files in This Item:
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.