Reconhecimento de sinais dinâmicos da Língua Brasileira de Sinais por meio de redes neurais convolucionais

Abstract

O reconhecimento automático da Língua Brasileira de Sinais representa um desafio relevante para a promoção da inclusão e acessibilidade de pessoas surdas na sociedade. Em especial, o reconhecimento de sinais dinâmicos, que envolvem movimentos temporais, ainda demanda soluções computacionais mais eficazes. Este trabalho tem como objetivo desenvolver um modelo eficiente para o reconhecimento das letras representadas por sinais dinâmicos. Foram avaliadas cinco arquiteturas de Redes Neurais Convolucionais: AlexNet, DenseNet121, InceptionV3, ResNet18 e VGG16Net, para identificar a mais eficaz na detecção desses sinais. A Res-Net18 apresentou o melhor desempenho geral, com uma acurácia média de 74,29%, destacando-se na captura de características complexas, enquanto a AlexNet e a VGG16Net também mostraram boa eficácia. Embora outros estudos tenham adotado modelos mais sofisticados, como redes LSTM ou 3D-CNNs, obtendo acurácias superiores a 90%, este trabalho optou por uma abordagem mais simples. Ainda assim, os resultados obtidos demonstraram um desempenho relevante, especialmente diante das limitações do conjunto de dados utilizado. A pesquisa contribui para o avanço no reconhecimento de sinais dinâmicos, reforçando seu potencial impacto na promoção da inclusão e acessibilidade de pessoas surdas.