Mostrar el registro sencillo del ítem
Trabajo Fin de Grado
Dispositivo empotrado para traducción de lenguaje de signos usando técnicas ML/DL
dc.contributor.advisor | Luna Perejón, Francisco | es |
dc.contributor.advisor | Muñoz Saavedra, Luis | es |
dc.creator | Moreno Ordoñez, Santiago | es |
dc.date.accessioned | 2023-09-13T09:35:38Z | |
dc.date.available | 2023-09-13T09:35:38Z | |
dc.date.issued | 2023-07-26 | |
dc.identifier.citation | Moreno Ordoñez, S. (2023). Dispositivo empotrado para traducción de lenguaje de signos usando técnicas ML/DL. (Trabajo Fin de Grado Inédito). Universidad de Sevilla, Sevilla. | |
dc.identifier.uri | https://hdl.handle.net/11441/148891 | |
dc.description.abstract | 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. | es |
dc.format | application/pdf | es |
dc.format.extent | 85 p. | es |
dc.language.iso | spa | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | CNN = Ren Neuronal Convolucional | es |
dc.subject | AN = Neurona artificial | es |
dc.subject | Dataset = Conjunto de datos que se van a usar en el entrenamiento del modelo | es |
dc.subject | Display = Dispositivo que muestra información de forma visual | es |
dc.subject | ML = Aprendizaje automático | es |
dc.subject | DL = Aprendizaje profundo | es |
dc.subject | Dropout = Tasa de abandono | es |
dc.subject | ARM = Arquitectura de máquina RISC avanzada | es |
dc.subject | ROI = Área de interés | es |
dc.title | Dispositivo empotrado para traducción de lenguaje de signos usando técnicas ML/DL | es |
dc.type | info:eu-repo/semantics/bachelorThesis | es |
dc.type.version | info:eu-repo/semantics/publishedVersion | es |
dc.rights.accessRights | info:eu-repo/semantics/openAccess | es |
dc.description.degree | Universidad de Sevilla. Grado en Ingeniería Electrónica Industrial | es |
idus.validador.nota | Trabajo Fin de Grado Matrícula de Honor | es |
Ficheros | Tamaño | Formato | Ver | Descripción |
---|---|---|---|---|
3_TFG409_ElectronI.zip | 3.981Mb | ![]() | Ver/ | |