Skip to content

PollitoJLGD123/lenguage_sign_tree

Repository files navigation

🤟 Sistema de Detección y Transcripción del Lenguaje de Señas Peruana

Este proyecto utiliza Inteligencia Artificial y Visión por Computadora para entrenar un modelo capaz de clasificar todas las letras del abecedario en lenguaje de señas. Implementado con Python y la librería Mediapipe, el modelo utiliza el algoritmo Random Forest (Bosque Aleatorio), ideal para tareas de clasificación con múltiples categorías como las letras del abecedario.


Características Principales

  • Clasificación de todas las letras del abecedario en lenguaje de señas.
  • Entrenamiento utilizando datos personalizados recolectados manualmente.
  • Precisión superior al 90% en las predicciones.
  • Modelo optimizado para procesamiento en tiempo real.

📖 Metodología del Proyecto

El desarrollo del proyecto se realizó en cuatro etapas clave:

1. Recolección del Dataset

Se creó un dataset propio tomando 200 imágenes de la mano para cada letra del abecedario. Estas imágenes se organizaron en carpetas individuales, nombradas según la letra correspondiente.

2. Extracción de Puntos Clave

Usamos la librería Mediapipe para extraer los puntos clave de las manos desde cada imagen del dataset. Estos puntos se almacenaron en un archivo con extensión .h5 para su procesamiento.

3. Entrenamiento del Modelo

El algoritmo Random Forest fue entrenado utilizando los datos recolectados. El modelo procesó los puntos clave y generó un archivo entrenado con extensión .joblib, listo para realizar predicciones.

4. Pruebas y Validación

Se probó el modelo con datos de prueba para evaluar su precisión. Los resultados mostraron una precisión superior al 90%, demostrando la efectividad del sistema.


🔧 Herramientas y Tecnologías Utilizadas

  • Lenguaje: Python
  • Librerías: Mediapipe, Scikit-learn, Joblib
  • Modelo de IA: Random Forest

🚀 Cómo Funciona

  1. Recaudar Imágenes: Captura imágenes de la mano representando cada letra del abecedario.
  2. Recorrer Puntos: Extrae y almacena puntos clave de las imágenes con Mediapipe.
  3. Crear Modelo: Entrena el modelo Random Forest con los datos extraídos.
  4. Testing: Usa el modelo entrenado para clasificar señas en tiempo real.

❤️ Notas Finales

Este proyecto busca facilitar la comunicación entre personas con discapacidad auditiva y oyentes, promoviendo la inclusión social mediante tecnología accesible y eficiente. ¡Espero que les sea de gran ayuda y les guste mucho! ❤️


📫 Contáctame

Si tienes preguntas o comentarios, no dudes en contactarnos:

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors