1. Introducción
1.1. Motivación
1.2. Objetivos
1.3. Organización de la tesis
2. Visión por computadora
2.1. Clasificación de imágenes
2.2. Aprendizaje profundo
2.2.1. Redes neuronales
2.2.2. Entrenamiento
2.2.3. Capas
2.2.4. Arquitecturas convencionales para la clasificación de imágenes
3. Lengua de señas
3.1. Descripción del problema
3.2. Conjuntos de datos existentes
3.2.1. LSA64 / LSA16
3.2.2. RWTH-PHOENIX-Weather
3.2.3. CIARP
3.2.4. Purdue RVL-SLLL American Sign Language Database
3.3. Bases de datos con pocos datos etiquetados
4. Trabajando con pocos datos etiquetados
4.1. Data augmentation
4.2. Weak supervisión
4.3. Active learning
4.4. Transfer learning
4.5. Few-shot learning
4.6. Aprendizaje semi-supervisado
4.7. Robust learning
5. Experimentación
5.1. Preparación de los conjunto de datos .
5.1.1. CIARP
5.1.2. LSA16
5.1.3. RWTH
5.2. Preparación de los modelos
5.2.1. Prototypical Network
5.2.2. DenseNet
5.3. Entrenamiento
5.4. Resultados
5.5. Conclusiones
6. Conclusiones y trabajos futuros
6.1. Conclusiones
6.2. Trabajos futuros
7. Bibliografía