机器学习和深度学习对阿拉伯手语识别的方法:十年的系统文献审查
1Department of Software Engineering, College of Computing, Umm Al-Qura University, Makkah 21955, Saudi Arabia.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本系统性审查分析了阿拉伯手语识别 (ArSLR) 的机器学习和深度学习. 大多数研究都集中在使用基于视觉的方法来研究孤立的单词上,这凸显了持续开发ArSLR的需要.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 人与计算机的交互
背景情况:
- 阿拉伯手语 (ArSL) 对于聋人或听力受损的阿拉伯语使用者之间的沟通至关重要.
- 需要有效的阿拉伯手语识别 (ArSLR) 工具来弥合沟通差距,特别是对于非手语人士.
- 目前还没有对ArSLR的机器学习 (ML) 和深度学习 (DL) 方法进行系统审查.
研究的目的:
- 提供关于ARSL认可研究的全面概述.
- 分析ArSLR系统中使用的ML/DL方法和技术.
- 在ArSLR中识别挑战和未来的研究方向.
主要方法:
- 2014年至2023年间发表的ArSLR研究的系统文献综述.
- 在三个主要数据库中进行的搜索:科学网络 (WoS),IEEE Xplore和Scopus.
- 遵守PRISMA指南的研究选,纳入和排除标准.
主要成果:
- 分析了56篇文章,重点是数据集和ML/DL技术.
- 在ArSLR研究中以视觉为基础的方法占主导地位.
- 大多数研究集中在手指拼写和单独单词识别上,对连续句子识别的工作有限.
结论:
- 目前的ArSLR研究严重倾向于使用视觉数据进行孤立的标志识别.
- 在开发用于持续识别 ArSL 的系统方面,仍然存在重大挑战.
- 未来的研究应该优先考虑持续的ARSL认可,并探索超越基于视觉的方法的各种方法.
