Implementación de un modelo de aprendizaje profundo para la traducción de lenguajes de señas

Abstract

En el Perú, se ha registrado un elevado número de personas con discapacidad auditiva y dificultad para oír, de acuerdo con el Censo Nacional de Población (INEI-2017), con más de 232,000 individuos en ambas categorías. Lamentablemente, a muchas de estas personas se les presentan barreras para acceder a servicios públicos y educativos debido a la escasez de docentes e intérpretes capacitados en Lengua de Señas Peruana. Estas barreras dificultan su acceso a una educación inclusiva y limitan su participación en la sociedad. Por otro lado, se encuentran desafíos computacionales en el entrenamiento y la ejecución de modelos de aprendizaje profundo debido a su complejidad y a la necesidad de recursos significativos. En función de los datos previamente expuestos, el objetivo de esta investigación consistió en implementar un sistema web basado en modelos de aprendizaje profundo para la traducción del lenguaje de señas peruana, con el propósito de lograr la detección en tiempo real de letras, a fin de brindar una solución práctica para mejorar la comunicación entre quienes padecen de discapacidad auditiva y los demás miembros de la sociedad. Para lograr dicho objetivo, se decidió utilizar el modelo YOLO en el sistema de reconocimiento de lenguaje de señas debido a los resultados que ofrece. El modelo YOLO alcanzó una precisión del 97.6%, valor medio de precisión media 90.2% y una puntuación F1- Confidence del 89.18%, lo que destaca su capacidad para detectar de manera precisa los gestos del lenguaje de señas peruano. La implementación del sistema basado en el modelo YOLO proporciona una solución innovadora y efectiva para la detección en tiempo real del Lenguaje de Señas Peruano (LSP) en entornos web. Esta implementación brinda oportunidades para mejorar la comunicación e inclusión de las personas que utilizan este lenguaje.