Artículos, informes y presentaciones en Congresos
URI permanente para esta colección
Examinar
Examinando Artículos, informes y presentaciones en Congresos por Autor "Antonio, Ramiro"
Mostrando 1 - 2 de 2
Resultados por página
Opciones de ordenación
- Documento de conferencia
Acceso Abierto Aprendizaje automático: aplicaciones en visión por computadora(2018) Lanzarini, Laura Cristina; Estrebou, César; Ronchetti, Franco; Quiroga, Facundo; Luna, Carla; Antonio, Ramiro; La Frazia, Luciano; Rosete, A.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 y video, utilizando técnicas de Aprendizaje Automático. El trabajo presentado describe diferentes casos de aplicación en visión por computador de técnicas tanto supervisadas como no supervisadas. Uno de los principales problemas desarrollados es el reconocimiento de lengua de señas. Este es un caso que presenta diversas aristas a atacar como el reconocimiento del intérprete, la segmentación de manos, la clasificación de diferentes configuraciones y de un gesto dinámico, entre otros problemas. Con respecto a la segmentación de manos se realizaron diferentes trabajos, tanto utilizando marcadores de colores, redes neuronales capaces de reconocer el color de la piel de una persona, como así también redes convolucionales. Por otro lado, para llevar a cabo la clasificación de diferentes gestos dinámicos, incluyendo la lengua de señas, se realizó un clasificador dinámico capaz de identificar acciones humanas que faciliten la interfaz hombre/máquina. En el área del procesamiento de video se está comenzando a investigar sobre detectores de peatones y automóviles para utilizar con cámaras instaladas en la vía pública. Adicionalmente, se están realizando trabajos de clasificación de imágenes de especies de serpientes utilizando técnicas clásicas del aprendizaje automático. - Documento de conferencia
Acceso Abierto A Study of Convolutional Architectures for Handshape Recognition applied to Sign Language(2017) Quiroga, Facundo; Antonio, Ramiro; Ronchetti, Franco; Lanzarini, Laura Cristina; Rosete, AlejandroConvolutional Neural Networks have been providing a performance boost in many areas in the last few years, but their performance for Handshape Recognition in the context of Sign Language Recognition has not been thoroughly studied. We evaluated several convolutional architectures in order to determine their applicability for this problem. Using the LSA16 and RWTH-PHOENIX-Weather handshape datasets, we performed experiments with the LeNet, VGG16, ResNet-34 and All Convolutional architectures, as well as Inception with normal training and via transfer learning, and compared them to the state of the art in these datasets. We included experiments with a feedforward neural network as a baseline. We also explored various preprocessing schemes to analyze their impact on the recognition. We determined that while all models perform reasonably well on both datasets (with performance similar to hand-engineered methods), VGG16 produced the best results, closely followed by the traditional LeNet architecture. Also, pre-segmenting the hands from the background provided a big boost to accuracy.