Deep Learning. Aplicaciones en Reconocimiento de Lengua de Señas, Generación de Lenguaje Natural e Imágenes Astronómicas.

RONCHETTI, F.; QUIROGA, F.; RIOS, G.; DAL BIANCO, P.; MINDLIN, I.; LANZARINI, L.; ROSETE, A.; GAMEN, R.; PUIG VALLS, D.; TORRENTS-BARRENA, J.; AIDELMAN, Y.; ESCUDERO, C.; GRANADA, A.

virtual

Workshop; XXIII Workshop de Investigadores en Ciencias de la Computacion; 2021

Universidad Nacional de Chilecito - Red de Universidades Nacionales con Carreras de Informática (RedUNCI)

Esta línea de investigación se centra en el estudio y desarrollo de Sistemas Inteligentes para la resolución de problemas de reconocimiento de patrones en imágenes,videoy texto, utilizando técnicas de Aprendizaje Automático clásicas, junto con Redes Neuronales Convolucionales y Aprendizaje profundo. El trabajo presentado describe diferentes casos de aplicación en visión por computadora y procesamiento de lenguaje natural.Una de las líneas de investigación principales que se continúa desarrollando es el reconocimiento de lengua de señas. Este es un problema complejo y multidisciplinar, que presenta diversos subproblemas a resolver como el reconocimiento del intérprete, la segmentación de manos, la clasificación de diferentes configuraciones y de un gesto dinámico, entre otros.En esta área se está estudiando la forma de reconocer formas de mano de la Lengua de Señas con conjuntos de datos de tamaño reducido, dada la falta de datos de entrenamiento para este dominio. Además, se están utilizando Redes Recurrentes para reconocer señas dinámicas, utilizandola base de datos LSA64 de Lengua de Señas Argentina [2].Por último, se están utilizando Redes Generativas Adversarias (GANs) para aumentar bases de datos de formas de mano, con el objetivo de complementar desde otro enfoque el entrenamiento de modelos para su clasificación. Por otro lado, se está estudiando la forma en que las redes neuronales codifican la invarianza a las transformaciones y otras propiedades transformacionales, con el objetivo de poder analizar y comparar estos modelos. De esta formase espera poder mejorar los modelos de clasificación de objetos transformados, en particular, de formas de mano.Siguiendo con la línea de reconocimiento de patrones en imágenes, se está llevando a cabo una colaboración con investigadores de la Facultad de Astronomía y Geofísica de la UNLP para crear modelos de clasificación de imágenes de objetos celestes. Además, se está desarrollando un sistema para recuperar la información de placas.Por último, se creó un modelo neuronal capaz degenerar texto artificial que se adapteal género freestyle.