KuSL2023:使用手跟踪和机器学习检测和分类库尔德语手语的标准
1Department of Computer Science, College of Science, University of Halabja, Halabja, Kurdistan Region, F.R., Iraq.
MethodsX
|June 11, 2025
概括
这项研究引入了第一个标准化库尔德语手语 (KuSL) 识别数据集,与CNN模型实现了98.22%的准确性. 该资源有助于聋人社区的沟通,并推进手势识别技术.
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:
- 标语识别 (SLR) 对于聋人和听障人士的沟通至关重要.
- 库尔德语手语 (KuSL) 的资源存在重大差距.
- 现有的数据集缺乏用于KuSL检测和分类的标准化.
研究的目的:
- 建立一个全面的KuSL检测和分类标准.
- 创建一个实时KuSL识别数据集.
- 评估用于KuSL识别的机器学习模型.
主要方法:
- 通过合并和完善ASL和ArSL2018数据集,创建了一个新的KuSL数据集,共计71,400张图像.
- 数据集包括34个库尔德语标志类别,具有不同的照明,角度和背景.
- 包括CNN,KNN和LightGBM在内的机器学习模型用于性能评估.
主要成果:
- 卷积神经网络 (CNN) 模型实现了98.22%的高精度.
- 传统的分类器,如KNN (95.98%) 和LightGBM (96.94%) 以更快的训练时间表现出具有竞争力的准确性.
- 开发的KuSL数据集被证明是强大,高效和准确的.
结论:
- 新的KuSL数据集为库尔德手语识别设定了一个基准.
- 实现的高精度和效率为实时应用铺平了道路.
- 这项工作支持为聋人社区开发辅助技术,并推进手势识别.
