Análisis sobre las inteligencias artificiales aplicadas en el reconocimiento de imágenes dirigido a las personas con discapacidad visual

Autores/as

DOI:

https://doi.org/10.62943/rig.v3n1.2024.67

Palabras clave:

Inteligencia artificial, reconocimiento de imágenes, discapacidad visual, accesibilidad, calidad de vida

Resumen

Esta investigación realiza un análisis de cómo las inteligencias artificiales aplicadas en el reconocimiento de imágenes pueden mejorar la independencia y calidad de vida de las personas con discapacidad visual. Se evalúa la utilidad de las visiones artificiales actuales basadas en modelos de inteligencia artificial que fueron entrenadas mediante aprendizaje profundo y redes neuronales convolucionales. Se investigan los desafíos que enfrentan las personas con discapacidad visual, como dificultades para identificar objetos, leer textos y navegar en entornos desconocidos. Se determina que la inteligencia artificial puede ofrecer soluciones personalizadas y eficientes, aunque se requiere abordar aspectos como la integración con dispositivos de asistencia, consideraciones éticas y de privacidad. La metodología utilizada es un mapeo sistemático de la literatura existente en Google Scholar y repositorios de universidades. Los resultados resaltan el gran potencial de estas tecnologías para mejorar la accesibilidad, pero también la necesidad de más investigación y desarrollo.

Citas

V. Teigens, P. Skalfist, and D. Mikelsten, "Inteligencia artificial: la cuarta revolución industrial," Cambridge Stanford Books, 2020.

C. F. A. Merino, "Estado de la cuestión de la inteligencia artificial y los sistemas de aprendizaje autónomo," Sociología y tecnociencia: Revista digital de sociología del sistema tecnocientífico, vol. 11, no. 2, pp. 182-195, 2021. DOI: https://doi.org/10.24197/st.Extra_2.2021.182-195

C. D. Rivera Vaca, "Sistema inteligente de detección de estrés hídrico para determinar la calidad de cultivo de lechuga a través de visión artificial" (Bachelor's thesis), 2023.

R. Alvarado-Salazar and J. L. Izquierdo, "Revisión de la literatura sobre el uso de Inteligencia Artificial enfocada a la atención de la discapacidad visual," InGenio Journal: La revista de la Facultad de Ciencias de la Ingeniería de la UTEQ, vol. 5, no. 1, pp. 10-21, 2022. DOI: https://doi.org/10.18779/ingenio.v5i1.472

World Health Organization: WHO, "Ceguera y discapacidad visual," 2023. [Online]. Available: https://www.who.int/es/news-room/fact-sheets/detail/blindness-and-visual-impairment

F. Díaz-Domínguez, "Inteligencia artificial y sistemas expertos," Revista de Marina, vol. 16, no. 2, pp. 10-15, 1998.

T. M. Mitchell, "Machine Learning," McGraw Hill, 1997.

I. Goodfellow, Y. Bengio, and A. Courville, "Deep Learning," MIT Press, 2016.

R. Szeliski, "Computer Vision: Algorithms and Applications," Springer, 2010. DOI: https://doi.org/10.1007/978-1-84882-935-0

Organización Mundial de la Salud, "Ceguera y discapacidad visual," 2021. [Online]. Available: https://www.who.int/es/news-room/fact-sheets/detail/blindness-and-visual-impairment

R. E. Alvarado Salazar, "Inteligencia artificial con enfoque a la discapacidad visual: un mapeo sistemático" (Bachelor's thesis), 2022.

I. Mielgo-Conde, S. Seijas-Santos, and M. Grande-de-Prado, "Review about Online Educational Guidance during the COVID-19 Pandemic," Education Sciences, 2021. https://doi.org/10.3390/educsci1108041 DOI: https://doi.org/10.3390/educsci11080411

A. Krizhevsky, I. Sutskever, and G. E. Hinton, "ImageNet classification with deep convolutional neural networks," Commun. ACM, vol. 60, no. 6, pp. 84–90, 2017. DOI: https://doi.org/10.1145/3065386

M. Zhao et al., "Deep Residual Shrinkage Networks for Fault Recognition," IEEE Trans. Ind. Informatics, vol. 16, no. 7, pp. 4417–4428, 2020. DOI: https://doi.org/10.1109/TII.2019.2943898

A. Vázquez-Romero et al., "Multimodal Assistive Solution for Blind People Based on Computer Vision and Audio System," IEEE Access, vol. 9, pp. 38658–38667, 2021.

R. Manduchi and J. Coughlan, "(Computer) Vision Without Sight," Commun. ACM, vol. 57, no. 1, pp. 96–104, 2014. DOI: https://doi.org/10.1145/2063176.2063200

D. I. Galindo Taype, S. J. Huaringa Gallardo, and G. L. Samaniego Canales, "Reconocimiento facial para la identificación de los alumnos en exámenes finales en la modalidad presencial de la Universidad Continental-Huancayo, 2021."

D. Díaz, "Inteligencia Artificial, Robótica, Neurocomputación, Programación Neuronal y otras hierbas," 2020.

A. Dominguez Bustamante, "Estrategias basadas en aprendizaje profundo para la toma de decisiones en aplicaciones de COVID19" (Master's thesis), Benemérita Universidad Autónoma de Puebla, 2022. https://repositorioinstitucional.buap.mx/server/api/core/bitstreams/ecc441c4-373e-4105-8954-1405fea21bff/content

Google AI for Developers, "Guía de inicio rápido: Comienza a usar la API de Gemini en aplicaciones de Node.js," [Online]. Available: https://ai.google.dev/tutorials/node_quickstart?hl=es-419

[21] M. Xu et al., "Few-Shot Object Recognition From Machine-Labeled Web Images Using Multi-View Multi-Kernel Models," IEEE Trans. Circuits Syst. Video Technol., vol. 31, no. 5, pp. 1974–1987, 2021.

Z. Wang et al., "Towards Human-Machine Cooperation: A Deep Reinforcement Learning Approach," IEEE Trans. Cybern., vol. 51, no. 1, pp. 70–83, 2021.

G. Cormier et al., "A Wearable Computer Interface for the Blind," IEEE Comput. Soc. Tech. Comm. Comput. Assist. Instruct., vol. 1, no. 1, pp. 36–40, 2017.

M. Draelos et al., "Design and Evaluation of an Assistive Wearable for Blind and Low-Vision Users," IEEE Trans. Neural Syst. Rehabil. Eng., vol. 29, pp. 1401–1411, 2021.

M. Whittaker et al., "AI Now Report 2018," AI Now Inst. N. Y. Univ., no. December, p. 55, 2018. DOI: https://doi.org/10.12968/cypn.2018.12.55

R. Shyam et al., "Contrastive Representation Learning for Quantifying Uncertainty in Medical Image Analysis," IEEE Trans. Med. Imaging, vol. 41, no. 4, pp. 1038–1049, 2022.

Mera Castillo, D. E. (2023). La influencia de la inteligencia artificial en la personalización del aprendizaje: Perspectivas y desafíos en la educación. Revista Ingenio Global, 2(2), 26–37. DOI: https://doi.org/10.62943/rig.v2i2.64

Descargas

Publicado

2024-01-29

Cómo citar

Vélez Espejo, A. J., & Guaña Moya, E. J. (2024). Análisis sobre las inteligencias artificiales aplicadas en el reconocimiento de imágenes dirigido a las personas con discapacidad visual. Revista Ingenio Global, 3(1), 4–16. https://doi.org/10.62943/rig.v3n1.2024.67

Número

Vol. 3 Núm. 1 (2024)

Sección

Artículos

Licencia

Derechos de autor 2024 Andy Vélez Espejo y Javier Guaña Moya

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:

  1. Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
  2. Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
  3. Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.