چکیده مقاله
تشخیص حالات دست مبتنی بر بینایی، به عنوان یک رابط کاربری طبیعی، نقشی کلیدی در تحقق تعامل موثر انسان و رایانه ایفا می کند این فناوری، به ویژه 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 بهره گیری از معماری عمیق و بهینه شده، به دقت قابل توجه ۹۹ ۷۵ درصد در تشخیص حالات دست، کسب کرده است ارزیابی ها بر روی مجموعه داده های استاندارد، عملکرد برتر و قابلیت تعمیم پذیری بالای این سیستم را تایید می کند
کلیدواژهها
تشخیص حالات دست یادگیری عمیق بینایی ماشین تعامل انسان-رایانه (HCI) شبکه عصبی کانولوشنی CNN تعامل انسان رایانه HCI
نویسندگان
فاطمه علی پور خشاب
دانشگاه بیرجند
محمدحسن مجیدی
دانشگاه بیرجند
حسین غلامعلی نژاد
دانشگاه بزرگمهر قائنات
شیوه ارجاع
�لی پور خشاب، فاطمه و مجیدی، محمدحسن و غلامعلی نژاد، حسین،1404،تشخیص زبان اشاره با استفاده از استخراج ویژگی مبتنی بر تبدیل موجک در شبکه های عصبی،چهارمین کنفرانس بین المللی و نهمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی،اهواز
ارائهشده در
مجموعه مقالات پنجمین همایش ملی و نخستین همایش بین المللی محاسبات نرم علوم مهندسی در صنعت و جامعه26 بهمن 1404 · ایرانشهر