Full metadata record
DC FieldValueLanguage
dc.contributor.advisorAvendaño Guzmán, Roger Enrique, dir.spa
dc.contributor.authorMoreno López, Luis Felipe-
dc.contributor.authorMuñoz Reina, Yury Paola-
dc.rightsCopyright, Universidad Católica de Colombia, 2020spa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.descriptionTrabajo de investigación tecnológicaspa
dc.description.abstractSe realizó un experimento de un método sustentado en aprendizaje profundo en el cual implementó distintos algoritmos computacionales para la identificación de cinco palabras del lenguaje de señas colombiano emuladas en videos de manera automática, con el fin de proponer un punto de partida para la disminución de la brecha de comunicación existente entre las personas con discapacidad auditiva y la sociedad colombiana.spa
dc.description.tableofcontentsRESUMEN INTRODUCCIÓN 1. GENERALIDADES 2. MARCO DE REFERENCIA 3. METODOLOGÍA 4. DISEÑO METODOLÓGICO 5. RESULTADOS 6. DISCUSIÓN DE RESULTADOS 7. CONCLUSIONES 8. RECOMENDACIONES 9. Bibliografía 10. ANEXOSspa
dc.date.accessioned2020-09-11T14:32:34Z-
dc.date.available2020-09-11T14:32:34Z-
dc.date.issued2020-
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationMoreno López, L. F. & Muñoz Reina, Y. P. (2020). Implementación de un algoritmo para la clasificación automática de lenguaje de señas colombiano en video usando aprendizaje profundo. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemas. Bogotá, Colombiaspa
dc.identifier.urihttps://hdl.handle.net/10983/24980-
dc.language.isospaspa
dc.typeTrabajo de grado - Pregradospa
dc.titleImplementación de un algoritmo para la clasificación automática de lenguaje de señas colombiano en video usando aprendizaje profundospa
dc.subject.lembAPRENDIZAJE DE MÁQUINA-
dc.rights.creativecommonsAtribución-NoComercialspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesisspa
dc.type.versioninfo:eu-repo/semantics/submittedVersionspa
dc.subject.proposalALGORITMOspa
dc.subject.proposalDEEP LEARNINGspa
dc.subject.proposalLENGUA DE SEÑAS COLOMBIANAspa
dc.subject.proposalRED NEURONALspa
dc.subject.proposalGPUspa
dc.relation.referencesAsch, Vincent Van. 2013. Macro- and micro-averaged evaluation. 2013.spa
dc.relation.referencesAtaka. Ataka. [En línea] Machine Learning y Deep Learning: cómo entender las claves del presente y futuro de la inteligencia artificial. https://www.xataka.com/robotica-e-ia/machine-learning-y-deep-learning-como-enten der-las-claves-del-presente-y-futuro-de-la-inteligencia-artificial.spa
dc.relation.referencesBarrios, Juan. Big data en salud. Big data en salud. [En línea] Juan Barrios. [Citado el: 21 de 03 de 2020.]spa
dc.relation.references2019. Juan Barrios. Juan Barrios. [En línea] Big Data, 2019. https://www.juanbarrios.com/matriz-de-confusion-y-sus-metricas/.spa
dc.relation.referencesBarros, Laura. 2014. El Universal. El Universal. [En línea] El Universal, 28 de Mayo de 2014. [Citado el: 20 de 04 de 2019.] https://www.eluniversal.com.co/tecnologia/software/software-para-sordos-finalista-en -mundial-de-emprendimiento-160945-DXEU253808spa
dc.relation.referencesBécares, Bárbara. 2015. siliconweek. siliconweek. [En línea] 20 de 05 de 2015. [Citado el: 15 de 01 de 2020.] https://www.siliconweek.com/cloud/siel-software-colombiano-para-comprender-el-len guaje-de-signos-59195.spa
dc.relation.referencesBETANCUR, D.B., GÓMEZ, M.V. and PALACIO, A.P. 2013. Traducción Automática Del Lenguaje Dactilológico De Sordos y Sordomudos Mediante Sistemas adaptativos. s.l. : ProQuest Central, 2013. ISSN 19099762..spa
dc.relation.referencesBOTINA-MONSALVE, D.J., DOMÍNGUEZ-VÁSQUEZ, M.A. MADRIGAL-GONZÁLEZ y CASTRO-OSPINA. 2018. Clasificación automática de las vocales en el lenguaje de señas. 2018.spa
dc.relation.referencesBROOKSHEAR , J. Glean. 1993. Teoría de la computación. s.l. : Addisson Wesley iberoamericana Wilmington Delaware, 1993.spa
dc.relation.referencesBROOKSHEAR, J. Glean. 1993. Teoría de la computación. s.l. : Addisson Wesley iberoamericana Wilmington Delaware, 1993.spa
dc.relation.referencesBurgal, Jesús Utrera. 2018. Deep Learning básico con Keras (Parte 4): ResNet. Deep Learning básico con Keras (Parte 4): ResNet. 2018.spa
dc.relation.referencesCasal, Jordi y Mateu, Enric. 2003. TIPOS DE MUESTREO. Barcelona : s.n., 2003. 08193.spa
dc.relation.referencesColombia, El Congreso de. 1996. LEY 324 DE 1996 . LEY 324 DE 1996, por el cual se crean algunas normas a favor de la población sorda. Bogotá : s.n., 1996spa
dc.relation.referencesCristina, Mata maria. 1997. Cómo elaborar muestras para los sondeos de audiencias. Cuadernos de investigación No 5. Quito : MACASSI, 1997.spa
dc.relation.referencesDANE. 2010. DANE Información para todos. DANE Información para todos. [En línea] DANE, Marzo de 2010. [Citado el: 25 de Abril de 2019.] https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/di scapacidad.spa
dc.relation.referencesGAGO, ENCARNACIÓN. 2019. Inteligencia Artificial, Machine Learning & Deep Learning. Inteligencia Artificial, Machine Learning & Deep Learning. Madrid : s.n., 2019.spa
dc.relation.referencesGeron, Aurelien. 2017. Hands-On Machine Learning with Scikit-Learn and TensorFlow. 2017.spa
dc.relation.referencesHe, Kaiming. 2016. github. github. [En línea] github.com, 29 de 06 de 2016. [Citado el: 20 de 03 de 2020.] https://github.com/KaimingHe/deep-residual-networks#models.spa
dc.relation.referencesImage-net.org. 2020. . Imagenet. Imagenet. [En línea] Image-net.org, 30 de 03 de 2020. . http://www.image-net.org/about-overview.spa
dc.relation.referencesIngeniero Colombiano Crea Traductor De Lenguaje De Señas Para Sordos. 2013. Madrid : ProQuest Central, 2013.spa
dc.relation.referencesINSOR. 2017. INSOR. INSOR. [En línea] 02 de 2017. [Citado el: 21 de 10 de 2019.] http://www.insor.gov.co/bides/wp-content/uploads/archivos/caracterizacion_acceso_ perm_grad_estudiantes_sordos_ies.pdf.spa
dc.relation.referencesINSOR. 2017. INSOR instituto nacional para sordos. INSOR instituto nacional para sordos. [En línea] 2017. [Citado el: 21 de 09 de 2019.] http://www.insor.gov.co/bides/info-general/.spa
dc.relation.referencesINSOR. 2012. INSOR Instituto nacional para sordos. INSOR Instituto nacional para sordos. [En línea] INSOR, 01 de 2012. [Citado el: 21 de 10 de 2019.] http://www.insor.gov.co/bides/experiencia-universidad-ecci/.spa
dc.relation.referencesINSOR. 2017. INSOR Instituto Nacional Para Sordos. INSOR Instituto Nacional Para Sordos. [En línea] Instituto Caro y Cuervo, Instituto Nacional para sordos (Insor), 2017. [Citado el: 21 de 10 de 2019.] http://www.insor.gov.co/descargar/diccionario_basico_completo.pdf.spa
dc.relation.references1997. Instituto Colombiano. Instituto Colombiano. [En línea] 26 de 09 de 1997. [Citado el: 08 de 02 de 2020.] https://www.icbf.gov.co/cargues/avance/docs/decreto_2369_1997.htm.spa
dc.relation.referencesJordi, TORRES. 2018. DEEP LEARNING Introducción práctica con Keras. 2018.spa
dc.relation.referencesKaggle. Kaggle. [En línea] Kaggle. [Citado el: 16 de 02 de 2020.] https://www.kaggle.com/keras/resnet50#imagenet_class_index.json.spa
dc.relation.referencesKaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. 2016. Deep Residual Learning for Image Recognition. EEUU : s.n., 2016.spa
dc.relation.referencesKaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun. 2016. Deep Residual Learning for Image Recognition. EE UU : s.n., 2016.spa
dc.relation.referencesNVIDIA. NVIDIA. Recommended GPU for Developers. [En línea] NVIDIA. [Citado el: 05 de 03 de 2020.] https://developer.nvidia.com/cuda-gpus.spa
dc.relation.referencesPICHUCHO, Javier P., et al. 2019. Interpretación de lenguaje de señas ecuatoriano empleando visión por computador. Quito : Revista Ibérica de Sistemas e Tecnologias de Informação, 2019.spa
dc.relation.referencesPickle. Python object serialization. Python object serialization. [En línea] [Citado el: 13 de 04 de 03.] https://docs.python.org/3/library/pickle.html.spa
dc.relation.referencesPINEDA, Beatriz, DE ALVARADO, Beatriz y DE CANALES, Francisca. 1994. Metodología de la investigación, manual para el desarrollo de person al de salud. Washington : Organización Panamericana de la Salud, 1994.spa
dc.relation.referencesProcesamiento del lenguaje natural. Vásquez Cortez, Augusto, Vega Huerta, Hugo y Paronia Quispe , Jaime. 2009. San Marcos : Revista de ingenieria de sistemas e informatica, 2009.spa
dc.relation.referencesRamírez. , Paulina . Métodos de enseñanza del español a los niños sordos: actitudes de los profesionales. Santafé de Bogotá : Universidad Iberoamericana.spa
dc.relation.referencesRepública, Congreso de la. 1996. LEY 324 DE 1996. Colombia, : s.n., 1996.spa
dc.relation.referencesRichard L. Scheaffer, William Mendenhall, Lyman Ott. 2007. Elementary survey sampling. Magallanes : Thomson, 2007.spa
dc.relation.referencesRoma, J. C., Rué, A. B., & Bagén, T. L. 2019. eep learning: principios y fundamentos. Barcelona, España : s.n., 2019.spa
dc.relation.referencesSaha, Sumit. 2018. A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way. A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way. 2018.spa
dc.relation.referencesSalesforce. Salesforce Blog. Salesforce Blog. [En línea] [Citado el: 05 de 08 de 2019.] https://www.salesforce.com/mx/blog/2017/6/Que-es-la-inteligencia-artificial.html..spa
dc.relation.referencesSAS. 2019. Inteligencia Artificial. Inteligencia artificial Qué es y por qué es importante. Bogotá : s.n., 2019.spa
dc.relation.referencesSAS. 2019. Software y Soluciones De Analitica. Software y Soluciones De Analitica. [En línea] 21 de 10 de 2019. https://www.sas.com/es_co/insights/analytics/deep-learning.html.spa
dc.relation.referencesSENA, Servicio Nacional de Aprendizaje. 2017. Perdiodico SENA. Perdiodico SENA. [En línea] Servicio Nacional de Aprendizaje SENA , 10 de 2017. [Citado el: 11 de 10 de 2019.] http://periodico.sena.edu.co/inclusion-social/noticia.php?t=comunidad_sorda&i=86.spa
dc.relation.referencesSpot. 2019. La diferencia entre Inteligencia Artificial, Machine Learning y Deep Learning. La diferencia entre Inteligencia Artificial, Machine Learning y Deep Learning. 2019.spa
dc.relation.referencesZHANG, Chen-Lin, et al. 2017. In defense of fully connected layers in visual representation transfer. Springer, Cham : En Pacific Rim Conference on Multimedia, 2017.spa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero de Sistemasspa
dc.publisher.programUniversidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería de Sistemasspa
dc.type.contentTextspa
Appears in Collections:ACI. Pregrado Sistemas

Files in This Item:
File Description SizeFormat 
Proyecto de grado.pdf1.94 MBAdobe PDFThumbnail
View/Open
RAE.pdf130.75 kBAdobe PDFThumbnail
View/Open


This item is protected by original copyright



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.