Bringing balance to hand shape classification: Mitigating data imbalance through generative models | ||
| dc.conicet.organizacion | Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi | |
| dc.conicet.organizacion | Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi | |
| dc.conicet.organizacion | Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas | |
| dc.conicet.organizacion | Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata | |
| dc.conicet.organizacion | Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas | |
| dc.conicet.organizacion | Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata | |
| dc.conicet.organizacion | Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi | |
| dc.conicet.organizacion | Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata | |
| dc.contributor.author | Rios, Gaston Gustavo | |
| dc.contributor.author | Dal Bianco, Pedro Alejandro | |
| dc.contributor.author | Ronchetti, Franco | |
| dc.contributor.author | Quiroga, Facundo Manuel | |
| dc.contributor.author | Stanchi, Oscar Agustín | |
| dc.contributor.author | Ponte Ahón, Santiago Ponte | |
| dc.contributor.author | Hasperué, Waldo | |
| dc.date.issued | 2025-11 | |
| dc.description.abstract | Most sign language handshape datasets are severely limited and unbalanced, posing significant challenges to effective model training. In this paper, we explore the effectiveness of augmenting the training data of a handshape classifier by generating synthetic data. We use an EfficientNet classifier trained on the RWTH German sign language handshape dataset, which is small and heavily unbalanced, applying different strategies to combine generated and real images. We compare two Generative Adversarial Networks (GAN) architectures for data generation: ReACGAN, which uses label information to condition the data generation process through an auxiliary classifier, and SPADE, which utilizes spatially-adaptive normalization to condition the generation on pose information. ReACGAN allows for the generation of realistic images that align with specific handshape labels, while SPADE focuses on generating images with accurate spatial handshape configurations. Our proposed techniques improve the current state-of-the-art accuracy on the RWTH dataset by 5%, addressing the limitations of small and unbalanced datasets. Additionally, our method demonstrates the capability to generalize across different sign language datasets by leveraging pose-based generation trained on the extensive HaGRID dataset. We achieve comparable performance to single-source trained classifiers without the need for retraining the generator. | es |
| dc.description.fil | Fil: Rios, Gaston Gustavo. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina | |
| dc.description.fil | Fil: Dal Bianco, Pedro Alejandro. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina | |
| dc.description.fil | Fil: Ronchetti, Franco. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina | |
| dc.description.fil | Fil: Quiroga, Facundo Manuel. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata; Argentina | |
| dc.description.fil | Fil: Stanchi, Oscar Agustín. Provincia de Buenos Aires. Gobernación. Comisión de Investigaciones Científicas; Argentina. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata; Argentina | |
| dc.description.fil | Fil: Ponte Ahón, Santiago Ponte. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina | |
| dc.description.fil | Fil: Hasperué, Waldo. Universidad Nacional de La Plata. Facultad de Informática. Instituto de Investigación en Informática Lidi; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - La Plata; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Rios, Gaston Gustavo; Dal Bianco, Pedro Alejandro; Ronchetti, Franco; Quiroga, Facundo Manuel; Stanchi, Oscar Agustín; et al.; Bringing balance to hand shape classification: Mitigating data imbalance through generative models; Elsevier Science; Applied Soft Computing; 183; 11-2025; 1-10 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1568-4946 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/282340 | |
| dc.journal.ciudad | Amsterdam | es |
| dc.journal.pagination | 1-10 | es |
| dc.journal.pais | Países Bajos | es |
| dc.journal.title | Applied Soft Computing | es |
| dc.journal.volume | 183 | es |
| dc.language.iso | eng | es |
| dc.publisher | Elsevier Science | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/abs/pii/S156849462500897X?via%3Dihub | |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1016/j.asoc.2025.113586 | |
| dc.rights | info:eu-repo/semantics/restrictedAccess | |
| dc.rights | Atribución-NoComercial-CompartirIgual 2.5 Argentina (CC BY-NC-SA 2.5 AR) | |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | |
| dc.subject | Handshape Recognition | es |
| dc.subject | Unbalanced Data | es |
| dc.subject | Limited Data | es |
| dc.subject | Sign Language | es |
| dc.subject | Generative Adversarial Networks | es |
| dc.subject.classification | Otras Ciencias de la Computación e Información | es |
| dc.subject.classification | Ciencias de la Computación e Información | es |
| dc.subject.classification | CIENCIAS NATURALES Y EXACTAS | es |
| dc.title | Bringing balance to hand shape classification: Mitigating data imbalance through generative models | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.e84668af-39f7-4f6b-8643-e2de33880423_E.pdf
- Tamaño:
- 1.6 MB
- Formato:
- Adobe Portable Document Format