Machine learning y deep learning en la interpretación del lenguaje de señas

La pandemia COVID19 puso en evidencia la gran dificultad de la comunidad hipoacúsica para comunicarse con el resto de la sociedad. El uso de barbijos, máscaras y barreras transparentes como alternativas atenuadoras de contagios generó una barrera casi infranqueable para esa comunidad cuando utiliza...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Klenzi, Raúl Oscar, Masanet, María Isabel, Recabarren, Facundo, Saez, Silvia, Conturso, Gustavo
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2023
Materias:
Ciencias Informáticas
Machine Learning
Deep Learning
LSA
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/163876
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-163876
record_format dspace
spelling I19-R120-10915-1638762024-03-15T20:02:10Z http://sedici.unlp.edu.ar/handle/10915/163876 Machine learning y deep learning en la interpretación del lenguaje de señas Klenzi, Raúl Oscar Masanet, María Isabel Recabarren, Facundo Saez, Silvia Conturso, Gustavo 2023-04 2023 2024-03-15T13:54:04Z es Ciencias Informáticas Machine Learning Deep Learning LSA La pandemia COVID19 puso en evidencia la gran dificultad de la comunidad hipoacúsica para comunicarse con el resto de la sociedad. El uso de barbijos, máscaras y barreras transparentes como alternativas atenuadoras de contagios generó una barrera casi infranqueable para esa comunidad cuando utilizaban la lectura de labios para establecer la comunicación. Por ello, la única alternativa que tenían era al uso de la Lengua de Señas (LS), herramienta que el resto de la sociedad, en su mayoría, desconoce; por lo que debían y deben recurrir a una tercera persona que no siendo hipoacúsica y comprendiendo la lengua de señas hiciera de interprete. Los objetivos que persigue el presente trabajo se centran en la utilización de algoritmos derivados del Machine Learning (ML) y Deep Learning (DL) aplicado al reconocimiento de expresiones en LS a partir de una secuencia de imágenes (video), y lograr traducir a texto o audio estas expresiones, como así también el camino inverso, emulando con ello al interprete humano. Estos objetivos exigen la utilización de hardware veloz tipo GPU, gran capacidad de memoria, y algoritmos eficientes para el procesamiento de la información. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Machine Learning
Deep Learning
LSA
spellingShingle Ciencias Informáticas
Machine Learning
Deep Learning
LSA
Klenzi, Raúl Oscar
Masanet, María Isabel
Recabarren, Facundo
Saez, Silvia
Conturso, Gustavo
Machine learning y deep learning en la interpretación del lenguaje de señas
topic_facet Ciencias Informáticas
Machine Learning
Deep Learning
LSA
description La pandemia COVID19 puso en evidencia la gran dificultad de la comunidad hipoacúsica para comunicarse con el resto de la sociedad. El uso de barbijos, máscaras y barreras transparentes como alternativas atenuadoras de contagios generó una barrera casi infranqueable para esa comunidad cuando utilizaban la lectura de labios para establecer la comunicación. Por ello, la única alternativa que tenían era al uso de la Lengua de Señas (LS), herramienta que el resto de la sociedad, en su mayoría, desconoce; por lo que debían y deben recurrir a una tercera persona que no siendo hipoacúsica y comprendiendo la lengua de señas hiciera de interprete. Los objetivos que persigue el presente trabajo se centran en la utilización de algoritmos derivados del Machine Learning (ML) y Deep Learning (DL) aplicado al reconocimiento de expresiones en LS a partir de una secuencia de imágenes (video), y lograr traducir a texto o audio estas expresiones, como así también el camino inverso, emulando con ello al interprete humano. Estos objetivos exigen la utilización de hardware veloz tipo GPU, gran capacidad de memoria, y algoritmos eficientes para el procesamiento de la información.
format Objeto de conferencia
Objeto de conferencia
author Klenzi, Raúl Oscar
Masanet, María Isabel
Recabarren, Facundo
Saez, Silvia
Conturso, Gustavo
author_facet Klenzi, Raúl Oscar
Masanet, María Isabel
Recabarren, Facundo
Saez, Silvia
Conturso, Gustavo
author_sort Klenzi, Raúl Oscar
title Machine learning y deep learning en la interpretación del lenguaje de señas
title_short Machine learning y deep learning en la interpretación del lenguaje de señas
title_full Machine learning y deep learning en la interpretación del lenguaje de señas
title_fullStr Machine learning y deep learning en la interpretación del lenguaje de señas
title_full_unstemmed Machine learning y deep learning en la interpretación del lenguaje de señas
title_sort machine learning y deep learning en la interpretación del lenguaje de señas
publishDate 2023
url http://sedici.unlp.edu.ar/handle/10915/163876
work_keys_str_mv AT klenzirauloscar machinelearningydeeplearningenlainterpretaciondellenguajedesenas
AT masanetmariaisabel machinelearningydeeplearningenlainterpretaciondellenguajedesenas
AT recabarrenfacundo machinelearningydeeplearningenlainterpretaciondellenguajedesenas
AT saezsilvia machinelearningydeeplearningenlainterpretaciondellenguajedesenas
AT contursogustavo machinelearningydeeplearningenlainterpretaciondellenguajedesenas
_version_ 1807222680483528704

Ejemplares similares