Ítem
Acceso Abierto
Modelo de reconocimiento para la lengua de señas: aproximación comparativa entre métodos de reconocimiento de patrones por inteligencia artificial
Título de la revista
Autores
Corredor Camargo, Simon Felipe
Fecha
2022-06-24
Directores
Orjuela Cañón, Alvaro David
Perdomo Charry, Oscar Julián
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Escuela Colombiana de Ingeniería Julio Garavito
Escuela Colombiana de Ingeniería Julio Garavito
Buscar en:
Métricas alternativas
Resumen
La lengua de señas es la herramienta de comunicación más utilizadas entre la comunidad de personas con discapacidad auditiva, debido a que permite a sus usuarios comunicarse mediante gestos y movimientos. Aun así, en Colombia y en otros países como India y Estados Unidos se evidencia un reto ante la educación, estandarización y enseñanza de esta lengua, como por ejemplo de cada una de sus variaciones entre zonas geográficas y culturales. Es por esto que metodologías que permitan automatizar el proceso de enseñanza y comunicación de los usuarios de esta lengua ya bien sean sordos u oyentes, son de alta relevancia para lograr la inclusión de las personas sordas o con algún tipo de discapacidad auditiva dentro de un contexto educativo y social. Es así como este trabajo busca estudiar alternativas como algoritmos basados en redes neuronales y aprendizaje automático, con el objetivo de generar un modelo inteligente que reconozca y clasifique diferentes señas del abecedario de la Lengua Americana de Señas (ASL). Todo lo anterior se hará entrenando y validando tres modelos ya utilizados en otros problemas de clasificación de imágenes basados en Redes Neuronales Convolucionales (CNN) a los cuales se explorara sistemáticamente ajustes en su estructura e híper-parámetros para buscar el modelo que mejor se adapte a la correcta clasificación de cada una de los 27 tipos de imágenes parte de las señas del abecedario de la ASL.
Abstract
The sign language is the communication tool that is most used within the hearingimpaired people community, as it allows their users to communicate through gestures and movements. Even though, in Colombia and some other countries in the world as India and the U.S, the challenge with education, standardization and teaching of this language is evident, an example of this are the multiple variations on these languages between the different cultures and geographic zones. For this reason, the methodologies that allows the automatization of the teaching and communication process within the users of this language (even if they are hearing impaired or not), are relevant to accomplish the inclusion within a social and educational context for the deaf people and those with any type of hear impairing. In this order this investigation aims to study alternatives as algorithms based on Neural Networks and Machine Learning, to generate a model that can recognize and classify different hand gestures part of the alphabet from the American Sign Language (ASL). All the mentioned before will be done training and validating three initial models based on Convolutional Neuronal Networks (CNN) which will be explored systematically with adjustments on structure and hyper-parameters to identify the model structure that adapts the better to the appropriate classification of each of the 27 types of images part of the signs on the ASL alphabet.
Palabras clave
Redes neuronales , Deep Learning , Convolutional Neural Networks (CNN) , Lengua de Señas
Keywords
Neuronal Networks , Deep Learning , Convolutional Neural Networks (CNN) , Sign Language
