Prototipo de un Traductor de Lengua de Señas Panameña al Español mediante Redes Neuronales Artificiales Profundas Preentrenadas

Este artículo describe el desarrollo de un prototipo de traductor de la Lengua de Señas Panameña (LSP) al español que reconoce en tiempo real señas estáticas y dinámicas mediante aprendizaje profundo, con enfasis en señas dinámicas. Dada la ausencia de conjuntos de datos públicos panameños y la necesidad de incluir gestos en movimiento, elemento esencial de la LSP, se creó un corpus propio de alrededor de 2000 muestras, con 55 ejemplos para la clase dinámica y 100 para la estática capturados con OpenCV a 20 fps y 2s de duración por video.Para el reconocimiento se entrenaron dos modelos independientes: un ResNet-18 para señas estáticas y un ResNet3D-18 para señas dinámicas, ambos optimizados con data augmentation (rotaciones, volteos, recortes) y early stopping para evitar sobreajuste. El sistema emplea detección de movimiento para decidir qué modelo invocar y despliega las predicciones en pantalla en tiempo real.Aunque el prototipo solo contempla 31 señas y su rendimiento se ha evaluado de forma preliminar con usuarios externos, los resultados son alentadores y prueban la viabilidad de desarrollar desde cero un sistema funcional de reconocimiento de LSP en Panamá. Las fases futuras incluyen ampliar el vocabulario, validar el sistema con una población diversa y mejorar la interfaz para potenciar su impacto en accesibilidad e inclusión.