Técnicas de Clustering basada en Redes Neuronales para reconocer gestos estáticos del alfabeto dactilológico de la Lengua de Señas Peruana

Abstract

El propósito de este artículo fue reconocer 24 gestos estáticos del alfabeto dactilológico de la Lengua de Señas Peruana, obtenidos de un guante electrónico y utilizando dos técnicas de clustering basadas en las redes neuronales de regresión generalizada y de aprendizaje por cuantización vectorial, con apoyo del Toolbox Deep Learning del Matlab. Asimismo, para cada técnica de clustering se implementaron tres topologías diferentes de redes neuronales; para las señas, los sensores de orientación espacial, y la agrupación de resultados de las topologías previas. El reconocimiento de los gestos estáticos fue evaluado utilizando la Tabla de Contingencia y las métricas Precisión, Recall y Magnitud-F; por lo cual, la Red Neuronal de Regresión Generalizada otorgó mejores resultados en el reconocimiento de gestos, obteniendo medidas de Precisión y Recall iguales a 100%. Mientras que la Red Neuronal de Aprendizaje por Cuantización Vectorial, solo alcanzó una medida de Precisión y Recall iguales a 84.26%.