dc.contributor.advisor | Gamarra, Daniel Fernando Tello | |
dc.creator | Cardona Júnior, Luciano Alves | |
dc.date.accessioned | 2023-08-21T18:58:13Z | |
dc.date.available | 2023-08-21T18:58:13Z | |
dc.date.issued | 2023-07-21 | |
dc.date.submitted | 2023 | |
dc.identifier.citation | CARDONA JUNIOR, L. A. Uso de redes neurais convolucionais para classificação de sinais da linguagem brasileira de sinais aplicados ao ensino de línguas. 2023. 89 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Federal de Santa Maria, Santa Maria, RS, 2023. | por |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/30024 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Controle e Automação, RS, 2023. | por |
dc.description.abstract | The present work shows the use of convolutional neural networks applied to detection
and classification of continuous signs from Brazilian Sign Language (LIBRAS) in
videos captured by conventional computer cameras, and its use in a methodological
platform for teaching LIBRAS. The goal of this work is to propose a processing
methodology that allows the classification of signs performed by people of different
genders, physical frames and skin colors, suffering the lowest interference as possible
from video background and using common computer cameras, in order to have a
methodology accessible to several future applications. Also, this project experiments
the viability of the use of this methodology in the field of basic education, providing
accessibility and inclusion to LIBRAS teaching. To do this, the Mediapipe algorithm will
be used to extract data from videos, the FastDTW algorithm will be used to standardize
this data, neural networks based on the TensorFlow and Keras libraries and game
development structured on Pygame. All these tools will work with the Python
programming language to produce a neural network trained over several databases to
recognize and differentiate the LIBRAS signs. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Rede Neural | por |
dc.subject | Aprendizado profundo | por |
dc.subject | Classificação de sinais | por |
dc.subject | Linguagem Brasileira de Sinais | por |
dc.subject | Educação | por |
dc.subject | Acessibilidade | por |
dc.subject | Neural network | eng |
dc.subject | Deep learning | eng |
dc.subject | Gesture classification | eng |
dc.subject | Brazilian Sign Language | eng |
dc.subject | Education | eng |
dc.subject | Accessibility | eng |
dc.title | Uso de redes neurais convolucionais para classificação de sinais da linguagem brasileira de sinais aplicados ao ensino de línguas | por |
dc.title.alternative | Use of convolutional neural networks for classification of signs from brazilian sign language applied to language teaching | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Engenharia de Controle e Automação | por |
dc.description.resumo | O presente trabalho apresenta a utilização de redes neurais convolucionais aplicadas
à detecção e classificação de sinais contínuos da Linguagem Brasileira de Sinais
(LIBRAS) em vídeos capturados por câmeras convencionais de computador, e a sua
posterior aplicação em uma ferramenta metodológica para ensino de LIBRAS. O
Objetivo deste trabalho é propor uma metodologia de processamento que possibilite
a classificação de sinais realizados por pessoas de diferentes gêneros, portes físicos
e cores de pele, sofrendo o mínimo de interferência possível do cenário de fundo dos
vídeos e utilizando câmeras comuns de computador, de forma a ter uma metodologia
acessível para diversas aplicações futuras. Além disso, este projeto experimenta a
viabilidade do uso desta metodologia para o campo da educação de base,
promovendo acessibilidade e inclusão para o ensino da LIBRAS. Para isso, serão
utilizados o algoritmo MediaPipe para extração de dados dos vídeos, o algoritmo
FastDTW para padronização destes dados, redes neurais baseadas nas bibliotecas
TensorFlow e Keras e a construção de jogos estruturados em Pygame. Todas estas
ferramentas serão desenvolvidas na linguagem de programação Python para produzir
uma rede neural treinada sobre diversos bancos de dados para reconhecer e
diferenciar os sinais em LIBRAS. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
dc.publisher.unidade | Centro de Tecnologia | por |