@InProceedings{FerreiraPovo:2017:ReNeAr,
author = "Ferreira, Matheus da Silva and Povoa, Lucas Venezian",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and
{Universidade Federal de S{\~a}o Paulo (UNIFESP)}",
title = "Rede Neural Artificial aplicada ao reconhecimento de
configura{\c{c}}{\~o}es das m{\~a}os da L{\'{\i}}ngua
Brasileira de Sinais",
booktitle = "Anais...",
year = "2017",
organization = "Workshop dos Cursos de Computa{\c{c}}{\~a}o Aplicada do INPE,
17. (WORCAP)",
keywords = "L{\'{\i}}ngua Brasileira de Sinais, Configura{\c{c}}{\~a}o das
m{\~a}os, Redes Neurais Artificiais, Reconhecimento de imagens,
DeepLIBRAS.",
abstract = "A L{\'{\i}}ngua Brasileira de Sinais (LIBRAS) {\'e} a
l{\'{\i}}ngua utilizada pela comunidade surda do Brasil para se
comunicar e representa a principal forma do surdo expressar a sua
cultura. Por mais que a LIBRAS tenha sido reconhecida como a
segunda l{\'{\i}}ngua oficial do pa{\'{\i}}s, nota-se ainda a
dificuldade enfrentada pela popula{\c{c}}{\~a}o surda em se
comunicar com a popula{\c{c}}{\~a}o ouvinte, seja pela falta de
int{\'e}rpretes ou pelo baixo n{\'u}mero de pessoas
bil{\'{\i}}ngues, o que representa um desafio para a
realiza{\c{c}}{\~a}o de atividades di{\'a}rias. Nesse sentido,
a exist{\^e}ncia de uma tecnologia voltada {\`a}
tradu{\c{c}}{\~a}o dos sinais da LIBRAS para a L{\'{\i}}ngua
Portuguesa facilitaria a comunica{\c{c}}{\~a}o entre surdos e
ouvintes, o que colaboraria para a inclus{\~a}o social de uma
parcela da sociedade. Com base nisso, este trabalho tem como
objetivo utilizar Redes Neurais Artificiais (RNA) para reconhecer
as configura{\c{c}}{\~o}es das m{\~a}os, ou seja, as formas que
as m{\~a}os assumem durante a execu{\c{c}}{\~a}o de um sinal,
que corresponde a um dos cinco par{\^a}metros respons{\'a}veis
por padronizar os sinais da LIBRAS. Para tanto, o desenvolvimento
ocorreu por meio de cinco etapas: capta{\c{c}}{\~a}o das
imagens, pr{\'e}-processamento, defini{\c{c}}{\~a}o da
arquitetura, treinamento e valida{\c{c}}{\~a}o da RNA. Na etapa
de capta{\c{c}}{\~a}o das imagens realizou-se {\`a}
grava{\c{c}}{\~a}o dos sinais, por meio de um sensor de captura
de imagens de cor e profundidade. Na etapa de
pr{\'e}-processamento criou-se o conjunto de imagens de
configura{\c{c}}{\~o}es das m{\~a}os utilizado no processo de
aprendizado e no teste das redes desenvolvidas, recortadas dos
sinais gravados na etapa anterior. Na defini{\c{c}}{\~a}o da
arquitetura foi estabelecida e configurada uma RNA com potencial
de cumprir com o objetivo deste trabalho. No treinamento, a RNA
anteriormente definida foi continuamente exposta a um subconjunto
das imagens, com a finalidade de aprender a classificar as
configura{\c{c}}{\~o}es das m{\~a}os. Por fim, na
valida{\c{c}}{\~a}o, a RNA treinada foi apresentada ao conjunto
restante das imagens, com o prop{\'o}sito de avaliar a capacidade
da rede em generalizar, ou seja, reconhecer
configura{\c{c}}{\~o}es em imagens n{\~a}o dispon{\'{\i}}veis
durante o treinamento. Ap{\'o}s a avalia{\c{c}}{\~a}o, o
processo utilizado retornava para a etapa de
defini{\c{c}}{\~a}o, onde o resultado era empregado como base
para o desenvolvimento de uma nova RNA. Ao todo, o conjunto de
imagens utilizado era formado por sete configura{\c{c}}{\~o}es
de m{\~a}os distribu{\'{\i}}das em 1089 imagens, das quais 770
foram dedicadas ao treinamento e 319 ao teste. A RNA que obteve a
maior taxa de reconhecimento foi uma Convolutional Neural Network
(CNN), que conseguiu uma taxa de 100% no conjunto de treinamento e
83,1% no conjunto de teste, o que resultou em uma taxa geral de
95%. Portanto, espera-se que o presente trabalho, ao abordar o
reconhecimento de um dos par{\^a}metros fundamentais da LIBRAS,
contribua no desenvolvimento de um sistema capaz de reconhecer e
traduzir sinais em tempo real, buscando reduzir a dist{\^a}ncia
entre as comunidades surdas e n{\~a}o surdas.",
conference-location = "S{\~a}o Jos{\'e} dos Campos, SP",
conference-year = "20-22 nov. 2017",
language = "pt",
targetfile = "Ferreira_rede.pdf",
urlaccessdate = "17 maio 2024"
}