مطالعه مروری بر روشهای تشخیص زبان اشاره مبتنی بر یادگیریعمیق
Publish Year: 1402
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 55
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CRIAL01_011
تاریخ نمایه سازی: 7 مرداد 1403
Abstract:
امروزه بخشی از افراد جامعه ناشنوا بوده و یا دارای اختلال گفتار می باشند و ارتباط آنها با دیگران دشوار می باشد. روش های تشخیص زبان اشاره سعی کرده تا این مشکل را رفع نموده و بتواند این ارتباط را فراهم و آسان نماید. با توجه به اینکه هر کشور دارای زبان اشاره مختص به خود است ، دقت تشخیص زبان اشاره برای هر کدام متفاوت می باشد. همچن ی ن با توجه به اینکه در روش های جدید سعی شده تا با پردازش تصویر و استخراج ویژگی های آن بتوان زبان اشاره را تشخیص داد بنابراین ممکن است به دلیل شرایط نوری و رنگ پوست و رنگ پس ز مینه دقت تشخیص آن کاهش پیدا کند. در این مقاله سعی شده است تا مقایسه ای روی روش های تشخیص زبان اشاره مبت نی بر یادگیری عمیق انجام شود و دقت تشخیص برای زبان های اشاره مختلف از جمله زبان اشاره آمریکایی و هندی و چینی در شرایط مختلف بررسی شود. روش های تشخیص زبان اشاره مبتنی بر یادگیری عمیق به شبکه عصبی پیچشی(CNN)، مدل اصلاح شده حافظه ی کوتاه مدت طولانی(LSTM)، شبکه های توجه عمیق مدل سازی شده( M۲DA- Net) شبکه عصبی پیچ شی سه بعدی (۳DCNN) و مدل شبکه عصبی پیچشی هندسی (G-CNN) دسته بندی شده اند. روش ها از جنبه دقت و زمان تشخیص مقایسه شده اند و در نتیجه مشخص شد که روش شبکه عصبی پیچشی سه بعدی عملکرد بهتری دارد .همچنین مزایا و معایب روش های مختلف همراه با چالش ها در تشخیص زبان اشاره مشخص شد .
Keywords:
Authors
سید مصیب عربی
دانشجوی کارشناسی ارشد، گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلامی واحد کرج، ایران
امینه امینی
استادیار ، گروه مهندسی کامپیوتر ، دانشگاه آزاد اسلام ی واحد کرج، ا یران