Como proyecto de la asignatura Redes Neuronales y Aprendizaje Profundo, se decidio realizar la construcción de una Red Convolucional Neuronal (CNN) que detecte el abecedario en lenguaje de señas americano. Para ello se tomo un dataset de Kaggle con las siguientes caracteristicas:
- Cantidad de Datos: El número de datos es de 87000 con un tamaño de 200x200 pixeles.
- Cantidad de Clases: Existen 29 clases de las cuales 26 son para las del abecedario (A-Z) y 3 clases para "Space", "Delete y "Nothing".
Se decidio filtrar las clases del dataset para reducir el tiempo de entrenamiento del modelo y solo analizar las vocales del abecedario y "Nothing" que relaciona a un espacio vacio. Gracias a esto nuestro dataset quedo de la siguiente manera:
- Cantidad de Datos: El número de datos es de 18000 con un tamaño de 200x200 pixeles.
- Cantidad de Clases: Existen 6 clases de las cuales 5 son para las vocales (A, E, I, O, U) y la ultima clase para "Nothing", cada clase tiene 3000 imagenes.
En el directorio donde se descargaron los archivos se eliminaron de forma manual las clases que no se implementaron.
Python 3.10.12
Pytorch 2.5.1
Matplotlib 3.8.0
Torchvision 0.20.1
Skicit-learn 1.5.2
Para crear el modelo y entrenarlo, se utilizarán los datos del dataset con las vocales en lenguaje de señas americano filtrados, es decir los 18000 datos correspondientes a las vocales y al espacio vacio. Se realiza una redimensión de 200x200 a 32x32 y disminuir la complejidad del modelo.