Resumen

Alrededor del 5% de la población mundial sufre una discapacidad auditiva. Una de sus principales barreras es la comunicación con los demás, ya que puede suponer su exclusión social y frustración. Para superar este problema, este trabajo presenta un sistema de interpretación del alfabeto de la lengua de signos española que hace posible la comunicación en aquellos casos en los que es necesario firmar nombres propios como nombres, calles o marcas comerciales. Para ello, en primer lugar, se ha generado un conjunto de imágenes de las 30 letras signadas que componen el alfabeto español. Después, dado que hay letras estáticas y en movimiento, se han probado y comparado dos tipos diferentes de redes neuronales: redes neuronales convolucionales (CNNs) y redes neuronales recurrentes (RNNs). Un análisis comparativo de los resultados experimentales pone de manifiesto la importancia de la dimensión espacial con respecto a la dimensión temporal en la interpretación de los signos. Así, las CNN obtienen una precisión mucho mayor, siendo el valor máximo de 96,42.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal, red neuronal convolucional, alfabeto de la lengua de signos, lengua de signos española, cnns, mayor precisión, comunicaciones, nombre propio, alfabeto español, letra de movimiento
• Keywords:neural network, convolutional neural network, sign language alphabet, spanish sign language, cnns, better accuracy, communications, proper noun, spanish alphabet, motion letter