تشخیص زبان اشاره با استفاده از استخراج ویژگی مبتنی بر تبدیل موجک در شبکه های عصبی

تشخیص حالات دست مبتنی بر بینایی، به عنوان یک رابط کاربری طبیعی، نقشی کلیدی در تحقق تعامل موثر انسان و رایانه ایفا می کند. این فناوری، به ویژه در حوزه ترجمه خودکار زبان اشاره، کاربردهای مهمی در تسهیل ارتباطات برای افراد ناشنوا دارد. در این پژوهش، یک چارچوب مبتنی بر شبکه عصبی کانولوشنی برای شناسایی ۲۴ حرف زبان اشاره آمریکایی ارائه شده است. روش پیشنهادی با بهره گیری از معماری عمیق و بهینه شده، به دقت قابل توجه ۹۹.۷۵ درصد در تشخیص حالات دست، کسب کرده است. ارزیابی ها بر روی مجموعه داده های استاندارد، عملکرد برتر و قابلیت تعمیم پذیری بالای این سیستم را تایید می کند.

کلیدواژه ها:

تشخیص حالات دست ، یادگیری عمیق ، شبکه عصبی کانولوشنی (CNN) ، بینایی ماشین ، تعامل انسان-رایانه (HCI)