Esta investigación propone una arquitectura de modelo de red única para el reconocimiento de rostros con máscara utilizando el método de entrenamiento FaceNet. Se combinan tres redes neuronales convolucionales preentrenadas de diferentes tamaños, a saber, InceptionResNetV2, InceptionV3 y MobileNetV2. Los modelos se amplían conectando una red completamente conectada con una capa de salida SoftMax. Combinamos la pérdida de tripletas y la pérdida de entropía cruzada categórica para optimizar el proceso de entrenamiento. Además, la tasa de aprendizaje del optimizador se actualiza dinámicamente utilizando el mecanismo de enfriamiento coseno, lo que mejora la convergencia del modelo durante el entrenamiento. Los resultados experimentales del reconocimiento de rostros con máscara (MFR) en un conjunto de datos personalizado MASK600 muestran que los InceptionResNetV2 y InceptionV3 propuestos utilizan solo 20 épocas de entrenamiento, y MobileNetV2 utiliza solo 50 épocas de entrenamiento, pero logran más del 93% de precisión en comparación con los trabajos anteriores de MFR con enfriamiento. Además de alcanzar un nivel práctico, ahorra tiempo en el entrenamiento de modelos y reduce efectivamente los costos de energía.