Environment Descriptor for Visually Impaired People Implemented on Raspberry Pi Based on Convolutional and Recurrent Artificial Neural Networks

Descriptor del Entorno para Personas con Discapacidad Visual Implementado en Raspberry Pi Basado en Redes Neuronales Artificiales Convolucionales y Recurrentes

dc.creatorChourio , Rafael
dc.creatorSanz , Wilmer
dc.date2021-05-03
dc.date.accessioned2023-08-23T15:07:53Z
dc.date.available2023-08-23T15:07:53Z
dc.identifierhttps://revistascientificasuc.org/index.php/revinguc/article/view/15
dc.identifier10.54139/revinguc.v28i1.15
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8357764
dc.descriptionVision problems and blindness are disorders of the human body that according to figures from the World Health Organization affect 217 million people in low-income countries. The quality of life of at least 75 million of them can be improved with the development of systems that allow guiding them safely in their daily tasks; this is where it is important to look for technological alternatives oriented to solve this problem and it is precisely where the idea of this research work was born. The idea presented here is based on the development of an image description system trained with deep learning algorithms based on convolutional and recurrent neural networks, implemented in a single-board computer. This implementation uses a low-cost camera for taken images of the environment and obtains a description of it that can be converted to an audible voice signal through a hearing aid system so that visually impaired people can improve their standard of living by obtaining real-time information from the environment surrounding.en-US
dc.descriptionLos problemas de visión y la ceguera son desórdenes del cuerpo humano que de acuerdo con cifras de la Organización Mundial de la Salud afectan a 217 millones de personas en países de bajos recursos. La calidad de vida de al menos 75 millones de estas personas puede ser mejorada con el desarrollo de sistemas que permitan guiarlas de manera segura en sus tareas de desplazamiento diario; allí es donde resulta importante buscar alternativas tecnológicas orientadas a solventar esta problemática y es donde precisamente nace la idea de este trabajo de investigación. La idea aquí presentada se basa en el desarrollo de un sistema de descripción de imágenes entrenado con tecnología de aprendizaje profundo, con redes neuronales convolucionales y recurrentes implementado en un computador de placa única, de modo tal que con una cámara de bajo costo se puedan tomar imágenes del entorno y obtener una descripción del mismo que pueda ser convertida a una señal de voz audible a través de un sistema de audífonos, para que personas con deficiencia visual puedan mejorar su nivel de vida a través de la obtención de información en tiempo real del entorno que los rodea.es-ES
dc.formatapplication/pdf
dc.languagespa
dc.publisherUniversidad de Caraboboes-ES
dc.relationhttps://revistascientificasuc.org/index.php/revinguc/article/view/15/12
dc.rightsDerechos de autor 2023 Revista Ingeniería UCes-ES
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0es-ES
dc.sourceRevista Ingeniería UC; Vol. 28 Núm. 1 (2021): Abril 2021; 152-164es-ES
dc.source2610-8240
dc.source1316-6832
dc.subjectRedes Neuronaleses-ES
dc.subjectProcesamiento Natural de Lenguajees-ES
dc.subjectRaspberry Pies-ES
dc.subjectAprendizaje Profundoes-ES
dc.subjectExtracción de Características.es-ES
dc.subjectArtificial Neural Networken-US
dc.subjectNatural Languaje Processingen-US
dc.subjectRaspberry Pien-US
dc.subjectDeep Learningen-US
dc.subjectFeatures Extractionen-US
dc.titleEnvironment Descriptor for Visually Impaired People Implemented on Raspberry Pi Based on Convolutional and Recurrent Artificial Neural Networksen-US
dc.titleDescriptor del Entorno para Personas con Discapacidad Visual Implementado en Raspberry Pi Basado en Redes Neuronales Artificiales Convolucionales y Recurrenteses-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Este ítem pertenece a la siguiente institución