Computational Model for Sign Language Recognition in a Colombian Context

Este documento presenta la implementación de un software de reconocimiento de lenguaje de señas colombiano para personas sordas. Para este propósito, el Aprendizaje de Máquina será usado como base del sistema específico. Hoy en día no existe un repositorio público de imágenes o video que contenga es...

Full description

Autores:
Ortiz-Farfán, Nelson
Camargo-Mendoza, Jorge E.
Tipo de recurso:
Article of journal
Fecha de publicación:
2020
Institución:
Instituto Tecnológico Metropolitano
Repositorio:
Repositorio ITM
Idioma:
spa
OAI Identifier:
oai:repositorio.itm.edu.co:20.500.12622/4620
Acceso en línea:
https://revistas.itm.edu.co/index.php/tecnologicas/article/view/1585
http://hdl.handle.net/20.500.12622/4620
Palabra clave:
Personas sordas
Aprendizaje de Maquina
modelo computacional
lenguaje de señas
Deaf people
Machine Learning
computational model
sign language
Rights
License
Copyright (c) 2020 TecnoLógicas
id RepoITM2_7c10acbaac814504e5436525561738cc
oai_identifier_str oai:repositorio.itm.edu.co:20.500.12622/4620
network_acronym_str RepoITM2
network_name_str Repositorio ITM
repository_id_str
dc.title.spa.fl_str_mv Computational Model for Sign Language Recognition in a Colombian Context
dc.title.alternative.eng.fl_str_mv Modelo computacional para reconocimiento de lenguaje de señas en un contexto colombiano
title Computational Model for Sign Language Recognition in a Colombian Context
spellingShingle Computational Model for Sign Language Recognition in a Colombian Context
Personas sordas
Aprendizaje de Maquina
modelo computacional
lenguaje de señas
Deaf people
Machine Learning
computational model
sign language
title_short Computational Model for Sign Language Recognition in a Colombian Context
title_full Computational Model for Sign Language Recognition in a Colombian Context
title_fullStr Computational Model for Sign Language Recognition in a Colombian Context
title_full_unstemmed Computational Model for Sign Language Recognition in a Colombian Context
title_sort Computational Model for Sign Language Recognition in a Colombian Context
dc.creator.fl_str_mv Ortiz-Farfán, Nelson
Camargo-Mendoza, Jorge E.
dc.contributor.author.none.fl_str_mv Ortiz-Farfán, Nelson
Camargo-Mendoza, Jorge E.
dc.subject.spa.fl_str_mv Personas sordas
Aprendizaje de Maquina
modelo computacional
lenguaje de señas
topic Personas sordas
Aprendizaje de Maquina
modelo computacional
lenguaje de señas
Deaf people
Machine Learning
computational model
sign language
dc.subject.keywords.eng.fl_str_mv Deaf people
Machine Learning
computational model
sign language
description Este documento presenta la implementación de un software de reconocimiento de lenguaje de señas colombiano para personas sordas. Para este propósito, el Aprendizaje de Máquina será usado como base del sistema específico. Hoy en día no existe un repositorio público de imágenes o video que contenga estas señas ni la información necesaria para alcanzar esta meta, siendo uno de los principales impedimentos para iniciar la tarea. Por esta razón, se comenzó con la construcción de un repositorio. Pese a las dificultades de tiempo de los participantes, cinco personas realizaron las señas ante una cámara de video, de donde se obtuvieron las imágenes que compondrían el repositorio. Una vez hecho esto, las imágenes se usaron como datos de entrenamiento de un modelo computacional óptimo que puede predecir el significado de una nueva imagen presentada. Evaluamos el rendimiento del método utilizando medidas de clasificación y comparando diferentes modelos. La medición conocida como Accuracy fue un factor importante para medir los diferentes modelos obtenidos y así elegir el más adecuado. Los resultados muestran que es posible proporcionar nuevas herramientas a las personas sordas para mejorar la comunicación con otras personas que no conocen el lenguaje de señas. Una vez que se han elegido los mejores modelos, se prueban con nuevas imágenes, similares a las del entrenamiento, donde se puede ver que el mejor modelo logra una tasa de éxito de alrededor del 68 % de las 22 clases utilizadas en el sistema.
publishDate 2020
dc.date.issued.none.fl_str_mv 2020-05-15
dc.date.accessioned.none.fl_str_mv 2021-04-21T16:55:18Z
dc.date.available.none.fl_str_mv 2021-04-21T16:55:18Z
dc.type.none.fl_str_mv info:eu-repo/semantics/article
dc.type.eng.fl_str_mv Articles
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_2df8fbb1
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.spa.spa.fl_str_mv Artículos
dc.type.coar.none.fl_str_mv http://purl.org/coar/resource_type/c_6501
format http://purl.org/coar/resource_type/c_6501
dc.identifier.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/1585
10.22430/22565337.1585
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12622/4620
url https://revistas.itm.edu.co/index.php/tecnologicas/article/view/1585
http://hdl.handle.net/20.500.12622/4620
identifier_str_mv 10.22430/22565337.1585
dc.language.iso.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv https://revistas.itm.edu.co/index.php/tecnologicas/article/view/1585
10.22430/22565337.1585
dc.relation.ispartofjournal.none.fl_str_mv TecnoLógicas
dc.rights.spa.fl_str_mv Copyright (c) 2020 TecnoLógicas
http://creativecommons.org/licenses/by-nc-sa/4.0
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Copyright (c) 2020 TecnoLógicas
http://creativecommons.org/licenses/by-nc-sa/4.0
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Instituto Tecnológico Metropolitano - ITM
dc.source.none.fl_str_mv 2256-5337
0123-7799
dc.source.eng.fl_str_mv TecnoLógicas; Vol. 23 No. 48 (2020); 197-232
dc.source.spa.fl_str_mv TecnoLógicas; Vol. 23 Núm. 48 (2020); 197-232
institution Instituto Tecnológico Metropolitano
repository.name.fl_str_mv Repositorio Instituto Tecnológico Metropolitano de Medellín
repository.mail.fl_str_mv bdigital@metabiblioteca.com
_version_ 1837096904468463616
spelling Ortiz-Farfán, NelsonCamargo-Mendoza, Jorge E.2021-04-21T16:55:18Z2021-04-21T16:55:18Z2020-05-15https://revistas.itm.edu.co/index.php/tecnologicas/article/view/158510.22430/22565337.1585http://hdl.handle.net/20.500.12622/4620Este documento presenta la implementación de un software de reconocimiento de lenguaje de señas colombiano para personas sordas. Para este propósito, el Aprendizaje de Máquina será usado como base del sistema específico. Hoy en día no existe un repositorio público de imágenes o video que contenga estas señas ni la información necesaria para alcanzar esta meta, siendo uno de los principales impedimentos para iniciar la tarea. Por esta razón, se comenzó con la construcción de un repositorio. Pese a las dificultades de tiempo de los participantes, cinco personas realizaron las señas ante una cámara de video, de donde se obtuvieron las imágenes que compondrían el repositorio. Una vez hecho esto, las imágenes se usaron como datos de entrenamiento de un modelo computacional óptimo que puede predecir el significado de una nueva imagen presentada. Evaluamos el rendimiento del método utilizando medidas de clasificación y comparando diferentes modelos. La medición conocida como Accuracy fue un factor importante para medir los diferentes modelos obtenidos y así elegir el más adecuado. Los resultados muestran que es posible proporcionar nuevas herramientas a las personas sordas para mejorar la comunicación con otras personas que no conocen el lenguaje de señas. Una vez que se han elegido los mejores modelos, se prueban con nuevas imágenes, similares a las del entrenamiento, donde se puede ver que el mejor modelo logra una tasa de éxito de alrededor del 68 % de las 22 clases utilizadas en el sistema.This document presents the implementation of a Colombian sign language recognition software for deaf people. For this purpose, Machine Learning will be used as the basis of the specific system. Today there is no public repository of images or video that contains these signs or the information necessary to achieve this goal, being one of the main obstacles to undertake the task. For this reason, the construction of a repository was started. Despite the time constraints of the participants, five people carried out the signs in front of a video camera, from which the images that would make up the repository were obtained.Once this was done, the images were used as training data for an optimal computer model that can predict the meaning of a new image presented. We evaluated the performance of the method using classification measures and comparing different models. The measurement known as Accuracy was an important factor in measuring the different models obtained and thus choosing the one most suitable. Results show that it is possible to provide new tools to deaf people to improve communication with others who do not know sign language. Once the best models have been chosen, they are tested with new images, similar to those in the training, where it can be seen that the best model achieves a success rate of around 68 % of the 22 classes used in the system.application/pdfspaInstituto Tecnológico Metropolitano - ITMhttps://revistas.itm.edu.co/index.php/tecnologicas/article/view/158510.22430/22565337.1585TecnoLógicasCopyright (c) 2020 TecnoLógicashttp://creativecommons.org/licenses/by-nc-sa/4.0http://purl.org/coar/access_right/c_abf22256-53370123-7799TecnoLógicas; Vol. 23 No. 48 (2020); 197-232TecnoLógicas; Vol. 23 Núm. 48 (2020); 197-232Personas sordasAprendizaje de Maquinamodelo computacionallenguaje de señasDeaf peopleMachine Learningcomputational modelsign languageComputational Model for Sign Language Recognition in a Colombian ContextModelo computacional para reconocimiento de lenguaje de señas en un contexto colombianoArtículosinfo:eu-repo/semantics/articleArticleshttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1http://purl.org/coar/version/c_970fb48d4fbd8a85Publication20.500.12622/4620oai:dspace-itm.metabuscador.org:20.500.12622/46202025-06-20 16:15:25.507metadata.onlyhttps://dspace-itm.metabuscador.orgRepositorio Instituto Tecnológico Metropolitano de Medellínbdigital@metabiblioteca.com