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

نویسندگانمحمدحسن مجیدی,فاطمه علی پورخشاب,حسین غلامعلی نژاد
همایشچهارمین کنفرانس بین المللی و نهمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
تاریخ برگزاری همایش2026-01-27
محل برگزاری همایشاهواز
شماره صفحات0-0
نوع ارائهسخنرانی
سطح همایشداخلی
کلید واژه هاتشخیص حالات دست, یادگیری عمیق, شبکه عصبی کانولوشنی (CNN), بینایی ماشین, تعامل انسان, رایانه (HCI)

چکیده مقاله

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.

لینک ثابت مقاله