El Aprendizaje Profundo ha avanzado drásticamente el estado del arte en visión, habla y muchas otras áreas. Recientemente, se han propuesto numerosos algoritmos de aprendizaje profundo para resolver problemas tradicionales de inteligencia artificial. En este documento, con el fin de detectar la versión que pueda proporcionar el mejor equilibrio en términos de tiempo y precisión, se han implementado redes convolucionales de diversas profundidades. También se considera la normalización por lotes ya que actúa como regularizador y logra la misma precisión con menos pasos de entrenamiento. Para maximizar el rendimiento de la complejidad al disminuir, así como minimizar la pérdida de precisión, se utilizan capas de red neuronal LSTM en el proceso. Las secuencias de imágenes se demuestran que son clasificadas por el LSTM de manera más acelerada, logrando una mejor precisión. Concretamente, cuanto más compleja es la CNN, mayores son los porcentajes de exactitud; además, a pesar del aumento de rango en la precisión, el tiempo se redujo significativamente, lo que finalmente hizo que el equilibrio fuera óptimo. La mejora promedio del rendimiento para todos los modelos en relación con ambos conjuntos de datos utilizados ascendió a .