Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Barrero Pérez, Jaime GuillermoÁvila Rey, Daniel Mauricio2024-03-0420212024-03-0420212021https://noesis.uis.edu.co/handle/20.500.14071/40981A lo largo de la historia la comunidad sorda ha sido discriminada y aislada de la sociedad, su dificultad para establecer una comunicación con las personas oyentes de su entorno las ha convertido en un grupo vulnerable. Y si bien es cierto que en la actualidad existen métodos de enseñanza e inclusión que han ayudado en gran medida a los sordos, aun hoy el poder comunicarse adecuadamente con otras personas sigue siendo un reto. Es por esta razón que se propuso este proyecto, con el propósito de crear un sistema basado en redes neuronales convolucionales, que se ejecute sobre un sistema embebido y con la capacidad de identificar en tiempo real, gestos propios de la lengua de señas colombiana (LSC). Durante el desarrollo de este proyecto se construyó una base de datos de la LSC con aproximadamente 5300 imágenes divididas en 22 categorías que corresponden con los gestos inmóviles del alfabeto, con esta base de datos se entrenó un modelo basado en las arquitecturas MobileNetV1 y YOLO y se implementó en la tarjeta Sipeed Maix Bit. Obteniendo como resultado un sistema pequeño y económico capaz de captar una imagen, identificar un gesto y asignarle una categoría en el rango de los milisegundos con una precisión superior aceptableapplication/pdfspahttp://creativecommons.org/licenses/by/4.0/Redes Neuronales ConvolucionalesLenguaje de SeñasComputación OnEdge.Universidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coConvolutional Neural NetworksEdge ComputingSign Language.info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)