Para lograr vivir en sociedad, el cerebro debe lograr cumplir numerosas funciones, entre ellas el reconocimiento de emociones a partir de las expresiones faciales. El estudio de los sistemas que permiten hacer estas tareas es muy complejo y se debe acudir a técnicas que permiten aproximarse a ellos. Las redes neuronales son modelos computacionales inspirados en modelos biológicos del sistema nervioso. Consisten en un conjunto de unidades interconectadas denominadas neuronas, las cuales se organizan en capas de manera de ir propagando información hasta llegar a una salida final para clasificar la entrada en alguna categoría. Uno de los paradigmas dentro de las redes neuronales son las redes neuronales convolucionales (CNNs), un tipo de arquitectura de red neuronal optimizada particularmente para el reconocimiento de imágenes. Se han utilizado las CNN para tareas de reconocimiento facial, como son por ejemplo la identificación de expresiones emocionales en un rostro humano. En el contexto de la emergencia sanitaria, consideramos relevante el rendimiento de estos modelos en presencia de un tapabocas, el cual elimina información relevante para la clasificación de las emociones. Entrenamos una CNN utilizando una base de datos de rostros clasificados según la emoción de su expresión facial. Luego ofuscamos una región de la cara para simular el tapabocas y testear la diferencia de rendimiento de la red neuronal. Nuestros resultados sugieren que efectivamente la presencia del tapabocas dificulta la tarea de clasificación emocional en una CNN, lo cual se respalda con resultados de tareas similares en humanos realizadas con y sin tapabocas.
