BIBDIGITAL
El Repositorio Digital Institucional de la Escuela Politécnica Nacional, ofrece acceso abierto al texto completo de la producción científica de los miembros de la comunidad politécnica. El objetivo del Repositorio, es constituirse como el registro permanente de consulta académica, maximizando su visibilidad, accesibilidad e impacto.
Por favor, use este identificador para citar o enlazar este ítem:
http://bibdigital.epn.edu.ec/handle/15000/25294| Título: | Desarrollo de un modelo de reconocimiento de cinco gestos de la mano derecha usando redes neuronales transformers. |
| Autor: | Macías Santillán, Luis Gabriel. |
| Director: | Benalcázar Palacio, Marco Enrique Barona López, Lorena Isabel |
| Palabras clave: | ORDENADOR EMG ENCODER HGR SELF-ATTENTION TRANSFORMERS |
| Fecha de publicación: | ene-2024 |
| Editorial: | Quito : EPN, 2024. |
| Citación: | Macías Santillán, L.G. (2023). Desarrollo de un modelo de reconocimiento de cinco gestos de la mano derecha usando redes neuronales transformers. 30 páginas. Quito : EPN. |
| Resumen: | Hand gestures represent a natural form of communication and device control. In the field of Hand Gesture Recognition (HGR), Electromyography (EMG) is used to detect the electrical impulses that muscles emit when a movement is generated. Currently, there are several HGR models that use EMG to predict hand gestures. However, most of these models have limited performance in practical applications. This study addresses this issue by using transformers to improve performance and mitigate ambiguity in HGR results. The architecture of our model is composed of a Convolutional Neural Network (CNN), a positional encoding layer and the transformer encoder. To obtain a generalizable model, the EMG-EPN-612 dataset was used. This dataset contains records of 612 individuals. The results were compared with previous research that used CNN, LSTM and transformers. The findings of this research reached a classification accuracy of 95.25 ±4.9% and a recognition accuracy of 91.73 ±8.19%. |
| Descripción: | Los gestos de la mano representan una forma natural de comunicación y control de dispositivos. En el campo del Reconocimiento de Gestos de la Mano (HGR), se utiliza Electro miografía (EMG) para detectar los impulsos eléctricos que los músculos emiten cuando se genera un movimiento. Actualmente, existen varios modelos de HGR que emplean EMG para predecir gestos de la mano. Sin embargo, la mayoría de estos modelos presentan un rendimiento limitado en aplicaciones prácticas. Este estudio aborda esta problemática utilizando transformers para mejorar el rendimiento y mitigar la ambigüedad en los resultados del HGR. El modelo desarrollado incorpora en su arquitectura una Red Neuronal Convolucional (CNN), una capa de positional encoding y el encoder de transformer. Para obtener un modelo generalizable, se utilizó la base de datos EMG-EPN-612, que contiene registros de 612 individuos. Los resultados fueron comparados con investigaciones previas que utilizaron CNN, LSTM y transformers. Los hallazgos de esta investigación alcanzaron una exactitud de clasificación de 95.25 ±4.9% y una exactitud de reconocimiento de 91.73 ±8.19%. |
| URI: | http://bibdigital.epn.edu.ec/handle/15000/25294 |
| Tipo: | masterThesis |
| Aparece en las colecciones: | Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS) |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| CD 13917.pdf | 3,56 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.