Reconocimiento automático de la simbología base de la escritura inca utilizando modelos Deep Convolutional Neural Network

Abstract

A pesar de los avances en la interpretación numérica de los quipus, una comprensión integral de los quipus de escritura, especialmente aquellos del estadío Inca, sigue siendo limitada. Este estudio identifica patrones utilizando algoritmos de procesamiento de imágenes y visión por computadora; el objetivo fue desarrollar un sistema de red neuronal convolucional profunda que obtenga mejores resultados en el reconocimiento automático de la simbología base de la escritura Inca; en cuanto al método, la investigación fue aplicada, explicativa, cuantitativa, longitudinal y se enmarcó en el paradigma positivista; la población estuvo conformada por 167 clases o palabras/frases y la muestra estuvo conformada por 40 clases o palabras/frases; como resultado, se recolectaron, estructuraron y almacenaron símbolos provenientes de quipus de escritura, escritura sobre madera y tejidos; se creó un conjunto de datos a partir de los símbolos identificados y etiquetados, del cual el 80% de las imágenes se utilizaron para entrenamiento y el 20% para validación; se evaluaron cinco técnicas de redes neuronales convolucionales profundas entrenadas mediante aprendizaje por transferencia bajo las mismas condiciones y métricas, y DenseNet121 obtuvo el mejor resultado en la detección de la simbología base, con una exactitud del 98,63% en la validación. Concluimos que el sistema obtuvo resultados superiores en el reconocimiento automático de la simbología base de los quipus de escritura, superando la precisión de otros métodos; estos hallazgos validan la efectividad del modelo y respaldan el uso del método propuesto.