Reconocimiento de señas de la Lengua de Señas Mexicana mediante técnicas de Machine Learning

Gabriel A. Salgado Martínez; René Edmundo Cuevas Valencia; Angelino Feliciano Morales; Arnulfo Catalán Villegas

doi:10.29057/xikua.v12iEspecial.12696

Autores/as

Gabriel A. Salgado Martínez Universidad Autónoma de Guerrero https://orcid.org/0009-0004-8614-5469
René Edmundo Cuevas Valencia Universidad Autónoma de Guerrero https://orcid.org/0000-0001-9528-7603
Angelino Feliciano Morales Universidad Autónoma de Guerrero https://orcid.org/0000-0002-7707-7319
Arnulfo Catalán Villegas Universidad Autónoma de Guerrero https://orcid.org/0009-0001-0391-7960

DOI:

https://doi.org/10.29057/xikua.v12iEspecial.12696

Palabras clave:

Lengua de Señas Mexicana, Machine Learning, Reconocimiento, Redes Neuronales Artificiales

Resumen

El empleo de técnicas de Inteligencia Artificial para el reconocimiento de señas de la Lengua de Señas Mexicana puede contribuir a mejorar la comunicación entre personas hablantes en esta lengua y quienes desconocen su significado. En este artículo se evaluó el rendimiento de modelos de Machine Learning en el reconocimiento de señas, para ello se utilizaron cuatro técnicas diferentes para entrenar y posteriormente probar el reconocimiento en nuevas señas. Primeramente, se recolectó un set de datos de imágenes del alfabeto dactilológico de la Lengua de Señas Mexicana, luego este set de datos se utilizó para entrenar modelos de reconocimiento de imágenes de señas utilizando cuatro técnicas diferentes y posteriormente se analizó el rendimiento de cada modelo en nuevas imágenes de señas.

Descargas

Los datos de descargas todavía no están disponibles.

Información de Publicación

Este artículo

Otros artículos

Revisores por pares

Revisores: 0

2.4 promedio

Perfiles de revisores N/D

Declaraciones del autor

Disponibilidad de datos

N/A

16%

Financiamiento externo

No

32% con financiadores

Intereses conflictivos

N/D

11%

Para esta revista

Otras revistas

Artículos aceptados

42%

33%

Días hasta la publicación

84

145

Indexado en

GS

Editor y comité editorial: perfiles
Sociedad académica: N/D
Editora:: Universidad Autónoma del Estado de Hidalgo

Citas

Diario Oficial de La Federación. (2011). Ley General para la Inclusión de las Personas con Discapacidad. Secretaría de Gobernación. https://dof.gob.mx/nota_detalle.php?codigo=5191516&fecha=30/05/2011#gsc.tab=0, fecha de consulta 19 de octubre de 2022.

Cámara de Diputados. (10 de febrero de 2021). Aprueban reformas para que personas con discapacidad auditiva reciban educación bilingüe en lengua de señas. Honorable Cámara de Diputados. https://comunicacionnoticias.diputados.gob.mx/comunicacion/index.php/boletines/aprueban-reformas-para-que-personas-con-discapacidad-auditiva-reciban-educacion-biling-e-en-lengua-de-se-as#gsc.tab=0, fecha de consulta: 19 de octubre de 2022.

Alpaydin, E. (2010). Introduction to machine Learning. The MIT Press. Massachusetts. ISBN 978-0-262-01243

Mejía, K. (2022). Sistema de reconocimiento del Lenguaje de Señas Mexicano basado en una cámara RGB-D y aprendizaje automático. (Tesis inédita de maestría). Universidad Autónoma Querétaro. Querétaro, México.

Trujillo, F., García, G. (2021). Reconocimiento de palabras de la Lengua de Señas Mexicana utilizando información RGBD. RECIBE 10(2). DOI: https://doi.org/10.32870/recibe.v10i2.209

Jin, M., Omar, Z. & Hisham M. (2016). A Mobile Application of American Sign Language Translation via Image Processing Algorithms. 2016 IEEE Region 10 Symposium, DOI: 10.1109/TENCONSpring.2016.7519386

CONADIS. (2016). Lengua de Señas Mexicana (LSM). Gobierno de México. https://www.gob.mx/conadis/articulos/lengua-de-senas-mexicana-lsm?idiom=es#:~:text=La%20Lengua%20de%20Se%C3%B1as%20Mexicana,propia%20sintaxis%2C%20gram%C3%A1tica%20y%20l%C3%A9xico, fecha de consulta: 13 de marzo de 2023.

Calvo, M. T. (2004). Diccionario Español-Lengua de Señas Mexicana (DIELSEME): estudio introductorio. Dirección de Educación Especial: México.

Tang, D. (2019). Empowering novices to understand and use machine learning with personalized image classification models, intuitive analysis tools, and MIT App Inventor. (Thesis, Massachusetts Institute of Technology). https://dspace.mit.edu/handle/1721.1/123130, fecha de consulta: 10 de noviembre de 2022.

Torres, S., García, C., Cabeza, C. y Docío, L. (2020). “LSE_Lex40_UVIGO: Una base de datos específicamente diseñada para el desarrollo de tecnología de reconocimiento automático de LSE”. Revista de Estudios de Lenguas de Signos REVLES, 2: 151-172

Teachable Machine. (2023)- ¿Qué es Teachable Machine? https://teachablemachine.withgoogle.com/

Yolo. (2023). YOLOv5: The friendliest AI architecture you'll ever use. https:// https://ultralytics.com/yolov5.

MediaPipe. (2023). Hand landmarks detection guide. https://developers.google.com/mediapipe/solutions/vision/hand_landmarker

YoloV5. (2023). Yolo V5 Gihutb Repository. https://github.com/ultralytics/yolov5