http://sedici.unlp.edu.ar:80/handle/10915/114627 Sat, 14 Nov 2026 19:52:07 GMT 2026-11-14T19:52:07Z http://sedici.unlp.edu.ar:80/handle/10915/116575 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) En el presente trabajo se buscó simular de manera simple y representativa la evolución de una población de microorganismos, que viven en un mundo plano, en el cual se mueven, alimentan y reproducen. El diseño y desarrollo del mismo se realizó con una metodología orientada a objetos. Se utilizaron tarjetas de clases, responsabilidad y colaboración (CRC) y diagramas de jerarquía y colaboración. La implementación se realizó en lenguaje C++11. El resultado final incluye una interfaz de usuario que permite modificar ciertos parámetros iniciales de la población de microorganismos, y ver, de manera gráfica, los movimientos de los mismos y su interacción con otros objetos del mundo donde viven. El software permite almacenar datos de la simulación y facilita el análisis de la evolución de los organismos, mediante histogramas y curvas gaussianas, que reflejan los distintos niveles de inteligencia alcanzadas en el proceso evolutivo. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/116575 2020-01-01T00:00:00Z En el presente trabajo se buscó simular de manera simple y representativa la evolución de una población de microorganismos, que viven en un mundo plano, en el cual se mueven, alimentan y reproducen. El diseño y desarrollo del mismo se realizó con una metodología orientada a objetos. Se utilizaron tarjetas de clases, responsabilidad y colaboración (CRC) y diagramas de jerarquía y colaboración. La implementación se realizó en lenguaje C++11. El resultado final incluye una interfaz de usuario que permite modificar ciertos parámetros iniciales de la población de microorganismos, y ver, de manera gráfica, los movimientos de los mismos y su interacción con otros objetos del mundo donde viven. El software permite almacenar datos de la simulación y facilita el análisis de la evolución de los organismos, mediante histogramas y curvas gaussianas, que reflejan los distintos niveles de inteligencia alcanzadas en el proceso evolutivo. http://sedici.unlp.edu.ar:80/handle/10915/115956 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) En este análisis se busca evaluar el comportamiento de precios de productos en surtidores según las variables que presenta el dataset y la correlación del precio respecto a la cotización del dólar. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115956 2020-01-01T00:00:00Z En este análisis se busca evaluar el comportamiento de precios de productos en surtidores según las variables que presenta el dataset y la correlación del precio respecto a la cotización del dólar. http://sedici.unlp.edu.ar:80/handle/10915/115955 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) Python es un lenguaje de programación que permite la creación de programas robustos en forma rápida y sencilla gracias a su simpleza, en combinación con una comunidad activa que constantemente desarrolla nuevas bibliotecas y frameworks. Este trabajo presenta distintas aplicaciones del lenguaje Python en ámbitos específicos al desarrollo web y la manipulación de imágenes. También detalla las bibliotecas y los frameworks utilizados (por ejemplo, PyGame, Pillow y Django, entre otras). El objetivo es demostrar la versatilidad y facilidad del lenguaje para el desarrollo de software más allá del contexto académico. El enfoque del trabajo es más bien didáctico, permite visualizar la amplia utilización de Python, su fuerte presencia en los cursos universitarios de programación, y su gran potencial para crear aplicaciones robustas en pocas líneas de código. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115955 2020-01-01T00:00:00Z Python es un lenguaje de programación que permite la creación de programas robustos en forma rápida y sencilla gracias a su simpleza, en combinación con una comunidad activa que constantemente desarrolla nuevas bibliotecas y frameworks. Este trabajo presenta distintas aplicaciones del lenguaje Python en ámbitos específicos al desarrollo web y la manipulación de imágenes. También detalla las bibliotecas y los frameworks utilizados (por ejemplo, PyGame, Pillow y Django, entre otras). El objetivo es demostrar la versatilidad y facilidad del lenguaje para el desarrollo de software más allá del contexto académico. El enfoque del trabajo es más bien didáctico, permite visualizar la amplia utilización de Python, su fuerte presencia en los cursos universitarios de programación, y su gran potencial para crear aplicaciones robustas en pocas líneas de código. http://sedici.unlp.edu.ar:80/handle/10915/115954 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) Realizamos un proyecto de machine learning, aplicando un modelo de recomendación, y utilizando como data set el mapa de oportunidades comerciales de la Capital Federal. Con esto llegamos a concretar nuestro objetivo, que es poder solucionar una necesidad de las personas. Si uno quiere abrir un local en una zona de la Capital Federal, nuestro modelo le recomienda cual es la zona más indicada. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115954 2020-01-01T00:00:00Z Realizamos un proyecto de machine learning, aplicando un modelo de recomendación, y utilizando como data set el mapa de oportunidades comerciales de la Capital Federal. Con esto llegamos a concretar nuestro objetivo, que es poder solucionar una necesidad de las personas. Si uno quiere abrir un local en una zona de la Capital Federal, nuestro modelo le recomienda cual es la zona más indicada. http://sedici.unlp.edu.ar:80/handle/10915/115952 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) Este artículo se centra en mostrar el resultado de una prueba de concepto donde creamos una tira de 4 células de bralle P20, utilizando una RaspberryPI. Con la ayuda de software diseñado por nosotros podemos controlar esta tira ayudando a mostrar el contenido de una página web en un formato legible para una persona con visión limitada o nula. Con este trabajo se demuestra la posibilidad de desarrollar alternativas de solución de bajo costo y código abierto, para la percepción de lectura de los contenidos web mediante salida Braille. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115952 2020-01-01T00:00:00Z Este artículo se centra en mostrar el resultado de una prueba de concepto donde creamos una tira de 4 células de bralle P20, utilizando una RaspberryPI. Con la ayuda de software diseñado por nosotros podemos controlar esta tira ayudando a mostrar el contenido de una página web en un formato legible para una persona con visión limitada o nula. Con este trabajo se demuestra la posibilidad de desarrollar alternativas de solución de bajo costo y código abierto, para la percepción de lectura de los contenidos web mediante salida Braille. http://sedici.unlp.edu.ar:80/handle/10915/115892 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) El área de reconocimiento de imágenes ha cobrado considerable interés en los últimos años. Este trabajo explora arquitectura de redes neuronales para conseguir un modelo capaz de reconocer un conjunto variado de 30 especies de animales en su hábitat natural. Para cumplir el objetivo, se utilizaron técnicas de Transfer Learning y Fine Tuning para adaptar redes neuronales ampliamente usadas que han demostrado ser eficaces y eficientes, tales como VGG-16, ResNet50 e InceptionV3. Previamente, se procesaron las imágenes de un dataset, reduciendo su tamaño y extrayendo la región de interés. Asimismo, se implementaron técnicas para evitar el overfitting como data augmentation, early stopping, decay, reduceLROnPlateau y oversampling. Los resultados obtenidos fueron satisfactorios, tanto en métricas de error y precisión, como en F1-Score y ROC-AUC, alcanzando valores muy cercanos a 1. Una vez alcanzados estos resultados se realizó un análisis para comprender los puntos débiles de los modelos obtenidos, utilizando t-SNE y matrices de confusión. Como conclusión, los principales errores se encuentran entre especies de animales muy similares en formas, tamaños, hábitat, colores y texturas que incluso para un humano sería difícil diferenciar. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115892 2020-01-01T00:00:00Z El área de reconocimiento de imágenes ha cobrado considerable interés en los últimos años. Este trabajo explora arquitectura de redes neuronales para conseguir un modelo capaz de reconocer un conjunto variado de 30 especies de animales en su hábitat natural. Para cumplir el objetivo, se utilizaron técnicas de Transfer Learning y Fine Tuning para adaptar redes neuronales ampliamente usadas que han demostrado ser eficaces y eficientes, tales como VGG-16, ResNet50 e InceptionV3. Previamente, se procesaron las imágenes de un dataset, reduciendo su tamaño y extrayendo la región de interés. Asimismo, se implementaron técnicas para evitar el overfitting como data augmentation, early stopping, decay, reduceLROnPlateau y oversampling. Los resultados obtenidos fueron satisfactorios, tanto en métricas de error y precisión, como en F1-Score y ROC-AUC, alcanzando valores muy cercanos a 1. Una vez alcanzados estos resultados se realizó un análisis para comprender los puntos débiles de los modelos obtenidos, utilizando t-SNE y matrices de confusión. Como conclusión, los principales errores se encuentran entre especies de animales muy similares en formas, tamaños, hábitat, colores y texturas que incluso para un humano sería difícil diferenciar. http://sedici.unlp.edu.ar:80/handle/10915/115890 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) En la microscopía óptica convencional es común que el analista necesite construir una imagen de alta resolución a partir de imágenes de menor resolución. Para realizar esto, usualmente, realiza una serie de capturas y luego recurre a software de edición o procesamiento de imágenes para unirlas, como en un rompecabezas, y así generar una imagen de mayor resolución. Esto resulta en una tarea tediosa y que insume gran cantidad de tiempo. En virtud de esta problemática, en este trabajo se estudia una forma de adquisición de imágenes panorámicas para microscopía óptica. Esta se basa en la adquisición continua de una imagen panorámica mientras se escanea la muestra moviendo la platina del microscopio. Este movimiento es simplemente una traslación de la muestra, siendo esta una situación que simplifica el problema general de encontrar las transformaciones que existen entre imágenes que poseen regiones superpuestas. La solución propuesta en este trabajo consiste en un algoritmo para construir una imagen panorámica, utilizando herramientas de visión computacional de la biblioteca OpenCV. Las pruebas iniciales realizadas al algoritmo, muestran resultados prometedores en relación a la velocidad y calidad de la imagen panorámica. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115890 2020-01-01T00:00:00Z En la microscopía óptica convencional es común que el analista necesite construir una imagen de alta resolución a partir de imágenes de menor resolución. Para realizar esto, usualmente, realiza una serie de capturas y luego recurre a software de edición o procesamiento de imágenes para unirlas, como en un rompecabezas, y así generar una imagen de mayor resolución. Esto resulta en una tarea tediosa y que insume gran cantidad de tiempo. En virtud de esta problemática, en este trabajo se estudia una forma de adquisición de imágenes panorámicas para microscopía óptica. Esta se basa en la adquisición continua de una imagen panorámica mientras se escanea la muestra moviendo la platina del microscopio. Este movimiento es simplemente una traslación de la muestra, siendo esta una situación que simplifica el problema general de encontrar las transformaciones que existen entre imágenes que poseen regiones superpuestas. La solución propuesta en este trabajo consiste en un algoritmo para construir una imagen panorámica, utilizando herramientas de visión computacional de la biblioteca OpenCV. Las pruebas iniciales realizadas al algoritmo, muestran resultados prometedores en relación a la velocidad y calidad de la imagen panorámica. http://sedici.unlp.edu.ar:80/handle/10915/115889 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) Se presenta una técnica para generar una sinopsis de video (o video resumen) que permite realizar un análisis de forma económica y eficiente de las filmaciones provenientes de todas las cámaras de seguridad existentes en un sistema ya instalado, sin necesidad de alteración de dicho sistema. El algoritmo está basado en la estrategia Next-Fit del problema de Bin Packing: los objetos son autos, personas o animales que han sido filmados por las cámaras de vigilancia, y cada bin es un Quadtree que organiza espacio-temporalmente al subconjunto de objetos que no colisionan entre sí. Cuando ya no quedan más objetos por ubicar, se genera el resumen de video a partir de la secuencia de bins . En los experimentos realizados se logró resumir un video de vigilancia, cedido por el Municipio de Tandil (Buenos Aires), de 60 minutos, en el que transcurren 394 objetos, a sólo 8 minutos, con el objetivo de transmitir todas las actividades realizadas por dichos objetos al nuevo video acotado sin que interfieran entre sí y preservando el orden que aparecen en el video original. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115889 2020-01-01T00:00:00Z Se presenta una técnica para generar una sinopsis de video (o video resumen) que permite realizar un análisis de forma económica y eficiente de las filmaciones provenientes de todas las cámaras de seguridad existentes en un sistema ya instalado, sin necesidad de alteración de dicho sistema. El algoritmo está basado en la estrategia Next-Fit del problema de Bin Packing: los objetos son autos, personas o animales que han sido filmados por las cámaras de vigilancia, y cada bin es un Quadtree que organiza espacio-temporalmente al subconjunto de objetos que no colisionan entre sí. Cuando ya no quedan más objetos por ubicar, se genera el resumen de video a partir de la secuencia de bins . En los experimentos realizados se logró resumir un video de vigilancia, cedido por el Municipio de Tandil (Buenos Aires), de 60 minutos, en el que transcurren 394 objetos, a sólo 8 minutos, con el objetivo de transmitir todas las actividades realizadas por dichos objetos al nuevo video acotado sin que interfieran entre sí y preservando el orden que aparecen en el video original. http://sedici.unlp.edu.ar:80/handle/10915/115887 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) Este trabajo presenta la arquitectura distribuida y basada en micro-servicios, definida para dar soporte a una plataforma para generar y reusar workflows de actividades de recolección de datos, que involucren la intervención humana, y cuya ejecución se realiza desde una aplicación móvil. Tanto la arquitectura como la plataforma conforman la solución propuesta como Tesina de Grado realizada y dirigida por las autoras de este trabajo, siendo el foco principal únicamente la arquitectura sin abordar detalles de la plataforma. Se presentan también las características principales de la recolección de datos con intervención humana. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115887 2020-01-01T00:00:00Z Este trabajo presenta la arquitectura distribuida y basada en micro-servicios, definida para dar soporte a una plataforma para generar y reusar workflows de actividades de recolección de datos, que involucren la intervención humana, y cuya ejecución se realiza desde una aplicación móvil. Tanto la arquitectura como la plataforma conforman la solución propuesta como Tesina de Grado realizada y dirigida por las autoras de este trabajo, siendo el foco principal únicamente la arquitectura sin abordar detalles de la plataforma. Se presentan también las características principales de la recolección de datos con intervención humana. http://sedici.unlp.edu.ar:80/handle/10915/115884 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) El presente proyecto surge como respuesta a una necesidad real que poseen las personas con discapacidad visual en la Argentina de acceder a una herramienta que facilite el estudio de la escritura en Braille, indispensable para poder comunicarse, lograr una inserción laboral y su inclusión en la sociedad. El sistema braille es un sistema de lecto escritura para personas invidentes o con importantes discapacidades visuales utilizado en todo el mundo inventado por el pedagogo francés Louis Braille en 1824. Su gran éxito radica, principalmente en su capacidad de adecuarse estructural y fisiológicamente a las características del sentido del tacto. Se trata de un método que se adapta perfectamente a las terminaciones nerviosas de la yema de los dedos y así los signos son transmitidos al cerebro, como una totalidad. Actualmente el uso de la tecnología informática aplicada al sistema Braille abre un amplio abanico de posibilidades y nuevas funcionalidades transformándose en una herramienta para la integración educativa, social y cultural. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115884 2020-01-01T00:00:00Z El presente proyecto surge como respuesta a una necesidad real que poseen las personas con discapacidad visual en la Argentina de acceder a una herramienta que facilite el estudio de la escritura en Braille, indispensable para poder comunicarse, lograr una inserción laboral y su inclusión en la sociedad. El sistema braille es un sistema de lecto escritura para personas invidentes o con importantes discapacidades visuales utilizado en todo el mundo inventado por el pedagogo francés Louis Braille en 1824. Su gran éxito radica, principalmente en su capacidad de adecuarse estructural y fisiológicamente a las características del sentido del tacto. Se trata de un método que se adapta perfectamente a las terminaciones nerviosas de la yema de los dedos y así los signos son transmitidos al cerebro, como una totalidad. Actualmente el uso de la tecnología informática aplicada al sistema Braille abre un amplio abanico de posibilidades y nuevas funcionalidades transformándose en una herramienta para la integración educativa, social y cultural. http://sedici.unlp.edu.ar:80/handle/10915/115883 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) La Neurología Conductual y la Neuropsicología han provisto un nuevo marco de comprensión para los procesos de aprendizaje y entrenamiento y los simuladores brindan experiencias significativas a estos fines desde sus formas más primitivas. La Realidad Virtual y la Realidad Aumentada, finalmente, ofrecen un nuevo espectro de posibilidades para el diseño de estas experiencias, en tanto que los modernos Motores de Juegos proveen un nuevo enfoque basado en paradigmas y patrones clásicos. Ambas tecnologías, Realidad Virtual con controladores de mano libre y Realidad Aumentada combinada con un enfoque de Internet de las Cosas, permiten diseñar experiencias de entrenamiento y enseñanza más cercanas a la realidad, asunto que ha sido del mayor interés en los distintos campos de aplicación de simuladores. Con este escenario, el propósito de este trabajo es analizar y describir un caso de control de evacuación de instalaciones durante una emergencia con corte de energía, implementado sobre Realidad Virtual, y un modelo de contaminación implementado en una escena de Realidad Aumentada con objetos interactivos, a partir de un enfoque de Internet de las Cosas, para casos de entrenamiento de Alta Fidelidad en Gestión de Crisis con Agentes CBRN (del inglés, Químicos, Biológicos, Radiológicos y Nucleares). Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115883 2020-01-01T00:00:00Z La Neurología Conductual y la Neuropsicología han provisto un nuevo marco de comprensión para los procesos de aprendizaje y entrenamiento y los simuladores brindan experiencias significativas a estos fines desde sus formas más primitivas. La Realidad Virtual y la Realidad Aumentada, finalmente, ofrecen un nuevo espectro de posibilidades para el diseño de estas experiencias, en tanto que los modernos Motores de Juegos proveen un nuevo enfoque basado en paradigmas y patrones clásicos. Ambas tecnologías, Realidad Virtual con controladores de mano libre y Realidad Aumentada combinada con un enfoque de Internet de las Cosas, permiten diseñar experiencias de entrenamiento y enseñanza más cercanas a la realidad, asunto que ha sido del mayor interés en los distintos campos de aplicación de simuladores. Con este escenario, el propósito de este trabajo es analizar y describir un caso de control de evacuación de instalaciones durante una emergencia con corte de energía, implementado sobre Realidad Virtual, y un modelo de contaminación implementado en una escena de Realidad Aumentada con objetos interactivos, a partir de un enfoque de Internet de las Cosas, para casos de entrenamiento de Alta Fidelidad en Gestión de Crisis con Agentes CBRN (del inglés, Químicos, Biológicos, Radiológicos y Nucleares). http://sedici.unlp.edu.ar:80/handle/10915/115882 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) En el presente trabajo se propone el desarrollo de un prototipo a escala de un vehículo autónomo para tareas de logística en un depósito industrial. Para ello, se combinan técnicas avanzadas de procesamiento de imágenes basadas en visión artificial y técnicas de Deep Learning para el reconocimiento de objetos. El vehículo tiene la capacidad de identificar paquetes mediante códigos QR y de llevarlos hasta el depósito correspondiente. Una vez concluida dicha tarea, retorna a la base de forma automática a la espera de un nuevo paquete. Para ensayar el correcto funcionamiento del vehículo, se diseñó una pista de prueba, en la cual el vehículo debe reconocer el paquete a transportar, y siguiendo una línea de guía, busca el depósito correspondiente al paquete recibido. Para realizar dicha búsqueda, identifica distintos carteles con códigos QR en su trayectoria, y carteles numéricos sobre las bocacalles principales mediante Deep Learning. Una vez que llega al depósito, se posiciona de forma alineada con la calle y se aproxima a la línea identificatoria. Cabe destacar que, además, el vehículo es capaz de reconocer un semáforo peatonal. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115882 2020-01-01T00:00:00Z En el presente trabajo se propone el desarrollo de un prototipo a escala de un vehículo autónomo para tareas de logística en un depósito industrial. Para ello, se combinan técnicas avanzadas de procesamiento de imágenes basadas en visión artificial y técnicas de Deep Learning para el reconocimiento de objetos. El vehículo tiene la capacidad de identificar paquetes mediante códigos QR y de llevarlos hasta el depósito correspondiente. Una vez concluida dicha tarea, retorna a la base de forma automática a la espera de un nuevo paquete. Para ensayar el correcto funcionamiento del vehículo, se diseñó una pista de prueba, en la cual el vehículo debe reconocer el paquete a transportar, y siguiendo una línea de guía, busca el depósito correspondiente al paquete recibido. Para realizar dicha búsqueda, identifica distintos carteles con códigos QR en su trayectoria, y carteles numéricos sobre las bocacalles principales mediante Deep Learning. Una vez que llega al depósito, se posiciona de forma alineada con la calle y se aproxima a la línea identificatoria. Cabe destacar que, además, el vehículo es capaz de reconocer un semáforo peatonal. http://sedici.unlp.edu.ar:80/handle/10915/115881 Objeto de conferencia XXIII Concurso de Trabajos Estudiantiles (EST 2020) - JAIIO 49 (Modalidad virtual) En Argentina, se estima que aproximadamente el 2% de la población padece algún tipo de incapacidad para oír (hipoacusia), este valor representa el 18% del total de personas con discapacidades en el país. Frente a esta problemática, se propone el desarrollo de un sistema que sea capaz de traducir en tiempo real el alfabeto dactilológico perteneciente a la Lengua de Señas Argentina a subtítulos en idioma español. De este modo se espera reducir la brecha comunicacional existente actualmente entre personas que padecen algún tipo de sordera en Argentina y aquellas que no comprenden su lengua de señas. Se utilizaron técnicas de aprendizaje automático orientadas a la visión por computadora para desarrollar un modelo que reciba como entrada imágenes, e indique de qué señas pertenecientes al alfabeto dactilológico argentino se tratan. Para lograrlo, se construyó un “dataset” etiquetado que permitió el entrenamiento del modelo mencionado. Empleando guantes, se logró un Accuracy de 0.9652 en el conjunto de datos de validación y de 0.9584 en el conjunto de test. Sin guantes se alcanzó un Accuracy de 0.8831 sobre el conjunto de validación y de 0.8205 en el conjunto de test. En ambos casos se utilizaron Redes Neuronales Convolucionales. Wed, 01 Jan 2020 00:00:00 GMT http://sedici.unlp.edu.ar:80/handle/10915/115881 2020-01-01T00:00:00Z En Argentina, se estima que aproximadamente el 2% de la población padece algún tipo de incapacidad para oír (hipoacusia), este valor representa el 18% del total de personas con discapacidades en el país. Frente a esta problemática, se propone el desarrollo de un sistema que sea capaz de traducir en tiempo real el alfabeto dactilológico perteneciente a la Lengua de Señas Argentina a subtítulos en idioma español. De este modo se espera reducir la brecha comunicacional existente actualmente entre personas que padecen algún tipo de sordera en Argentina y aquellas que no comprenden su lengua de señas. Se utilizaron técnicas de aprendizaje automático orientadas a la visión por computadora para desarrollar un modelo que reciba como entrada imágenes, e indique de qué señas pertenecientes al alfabeto dactilológico argentino se tratan. Para lograrlo, se construyó un “dataset” etiquetado que permitió el entrenamiento del modelo mencionado. Empleando guantes, se logró un Accuracy de 0.9652 en el conjunto de datos de validación y de 0.9584 en el conjunto de test. Sin guantes se alcanzó un Accuracy de 0.8831 sobre el conjunto de validación y de 0.8205 en el conjunto de test. En ambos casos se utilizaron Redes Neuronales Convolucionales.