Dispositivo empotrado para traducción de lenguaje de signos usando técnicas ML/DL
Dispositivo empotrado para traducción de lenguaje de signos usando técnicas ML/DL
En este trabajo de fin de grado se va a explicar el desarrollo de un sistema de reconocimiento del lenguaje de signos utilizando técnicas de Machine Learning (ML), Deep Learning(DL) y visión por computadora. El objetivo principal de este proyecto es diseñar e implementar un programa que permita capturar y clasificar imágenes, en este caso, que contengan los gestos de las manos que corresponden a el abecedario del lenguaje de signos inglés. Para ello, se emplea una red neuronal convolucional para el entrenamiento y la clasificación de las imágenes capturadas con una cámara. Además, se hará uso de una Raspberry Pi junto con una cámara y un display para ejecutar el programa y mostrar los resultados en un entorno visual. Los resultados obtenidos demuestran una alta precisión en el reconocimiento de las letras del lenguaje de signos, lo que valida la eficacia del sistema propuesto.
Universidad de Sevilla. Grado en Ingeniería Electrónica Industrial
- University of Seville Spain
Display = Dispositivo que muestra información de forma visual, Dropout = Tasa de abandono, ROI = Área de interés, ARM = Arquitectura de máquina RISC avanzada, CNN = Ren Neuronal Convolucional, AN = Neurona artificial, DL = Aprendizaje profundo, ML = Aprendizaje automático, Dataset = Conjunto de datos que se van a usar en el entrenamiento del modelo
Display = Dispositivo que muestra información de forma visual, Dropout = Tasa de abandono, ROI = Área de interés, ARM = Arquitectura de máquina RISC avanzada, CNN = Ren Neuronal Convolucional, AN = Neurona artificial, DL = Aprendizaje profundo, ML = Aprendizaje automático, Dataset = Conjunto de datos que se van a usar en el entrenamiento del modelo
selected citations These citations are derived from selected sources.This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).0 popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.Average influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).Average impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.Average
Citations provided by BIP!Popularity provided by BIP!