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

Authorsمحمدحسن مجیدی,فاطمه علی پورخشاب,حسین غلامعلی نژاد
Conference Titleچهارمین کنفرانس بین المللی و نهمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
Holding Date of Conference2026-01-27
Event Placeاهواز
Page number0-0
PresentationSPEECH
Conference LevelInternal Conferences
Keywordsتشخیص حالات دست, یادگیری عمیق, شبکه عصبی کانولوشنی (CNN), بینایی ماشین, تعامل انسان, رایانه (HCI)

Abstract

تشخیص حالات دست مبتنی بر بینایی، به‌عنوان یک رابط کاربری طبیعی، نقشی کلیدی در تحقق تعامل مؤثر انسان و رایانه ایفا می‌کند. این فناوری، به‌ویژه 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 بهره‌گیری از معماری عمیق و بهینه‌شده، به دقت قابل‌توجه 99.75 درصد در تشخیص حالات دست، کسب کرده است. ارزیابی‌ها بر روی مجموعه‌داده‌های استاندارد، عملکرد برتر و قابلیت تعمیم‌پذیری بالای این سیستم را تأیید می‌کند.

Paper URL