持续的阿拉伯手语手语识别模型
Nahlah Algethami1, Raghad Farhud1, Manal Alghamdi1
1Computer Science Department, College of Computing and Informatics, Saudi Electronic University, Riyadh 11673, Saudi Arabia.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究介绍了用于阿拉伯手语 (ArSL) 识别的时间卷积网络 (TCN),达到99.5%的准确性. TCN提供了计算效率,弥合了聋人社区的沟通差距.
科学领域:
- 人工智能的人工智能
- 计算机视觉 计算机视觉
- 自然语言处理自然语言处理.
背景情况:
- 聋人和听力社区之间存在很大的沟通差距,特别是对于阿拉伯语使用者来说,由于阿拉伯手语 (ArSL) 资源有限.
- 现有的手语识别系统往往缺乏ARSL所需的专用数据集和模型.
研究的目的:
- 开发和评估先进的深度学习模型,以准确识别阿拉伯手语.
- 通过创建强大的识别系统来解决阿拉伯语聋人社区面临的沟通障碍.
主要方法:
- 开发一个包含30个最常见的ArSL句子的定制数据集.
- 时间卷积网络 (TCN) 和带有双向长期短期记忆 (BiLSTM) 的增强反复神经网络 (RNN) 的实施和比较分析.
- 基于识别准确性,处理速度和对签名变异的稳定性进行评估.
主要成果:
- 该TCN模型实现了99.5%的高精度.
- 改进后的RNN-BiLSTM模型的准确性从96%提高到99%.
- 与RNN-BiLSTM相比,TCN显示出更高的计算效率和更快的推断时间.
结论:
- 时间卷积网络 (TCN) 对阿拉伯手语的识别非常有效和计算效率高.
- 开发的模型在弥合听力障碍阿拉伯语社区的沟通障碍方面显示出有前途.
- 对TCN和增强RNN的进一步研究可以显著推进手语识别技术.
