Icono govco
 

Publicación:
Reconocimiento del abecedario de la lengua de señas colombiana con Redes Neuronales Convolucionales

Vista sencilla de ítem
dc.contributor.authorSuat Rojas, Néstor E.spa
dc.contributor.authorMontoya Serna, Brayan S.spa
dc.contributor.authorPinzón Velásquez, Edward M.spa
dc.contributor.authorRodríguez Galeano, Oscar S.spa
dc.date.accessioned2021-06-16 00:00:00
dc.date.accessioned2022-06-13T17:42:47Z
dc.date.available2021-06-16 00:00:00
dc.date.available2022-06-13T17:42:47Z
dc.date.issued2021-06-16
dc.description.abstractEl lenguaje de señas brinda un sistema para que las personas con discapacidad oral/auditiva se comuniquen efectivamente. Sin embargo, aún falta para que el resto de la sociedad se apropie de este conocimiento. Este trabajo consiste en diseñar un método de visión artificial que identifique las señas estáticas del abecedario de la Lengua de Señas Colombiana (LSC). La metodología consiste en un algoritmo de clasificación que combina una arquitectura de Redes Neuronales Convolucionales (CNN) y técnicas de procesamiento de imágenes. Nuestro enfoque logra reconocer las señas del alfabeto sin movimiento con un 79.2% de exactitud. El sistema es capaz de reconocer las letras según la forma, orientación y posición de los dedos de la mano, usando un conjunto de datos desbalanceado por clase.  spa
dc.description.abstractSign language provides a system for people with speech or hearing impairments to communicate effectively. However, it is still necessary for the rest of society to appropriate this knowledge. This work consists in designing a computer vision method that recognizes the static signs of the Colombian Sign Language (LSC) alphabet. The methodology consists of a classification algorithm that combines a Convolutional Neural Network (CNN) architecture and image processing techniques. Our approach manages to recognize signs of the alphabet that don’t involve any movement, with 79.2% accuracy. The system is capable of recognizing letters according to the shape, orientation and position of the fingers in each sign, using an imbalanced dataset.eng
dc.format.mimetypeapplication/pdfspa
dc.identifier.doi10.22579/20112629.680
dc.identifier.eissn2011-2629
dc.identifier.issn0121-3709
dc.identifier.urihttps://repositorio.unillanos.edu.co/handle/001/2773
dc.identifier.urlhttps://doi.org/10.22579/20112629.680
dc.language.isospaspa
dc.publisherUniversidad de los Llanosspa
dc.relation.bitstreamhttps://orinoquia.unillanos.edu.co/index.php/orinoquia/article/download/680/1218
dc.relation.citationeditionNúm. 1 , Año 2021 : Suplementospa
dc.relation.citationendpage30
dc.relation.citationissue1spa
dc.relation.citationstartpage25
dc.relation.citationvolume25spa
dc.relation.ispartofjournalOrinoquiaspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonsEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0spa
dc.sourcehttps://orinoquia.unillanos.edu.co/index.php/orinoquia/article/view/680spa
dc.titleReconocimiento del abecedario de la lengua de señas colombiana con Redes Neuronales Convolucionalesspa
dc.title.translatedRecognition of the Colombian sign language alphabet using Convolutional Neural Networkseng
dc.typeArtículo de revistaspa
dc.typeJournal Articleeng
dc.type.coarhttp://purl.org/coar/resource_type/c_6501spa
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85spa
dc.type.contentTextspa
dc.type.driverinfo:eu-repo/semantics/articlespa
dc.type.localSección Artículosspa
dc.type.localSección Articleseng
dc.type.versioninfo:eu-repo/semantics/publishedVersionspa
dspace.entity.typePublication

Archivos

Colecciones

Revista Orinoquia