CNN НЕГІЗІНДЕ ҚАЗАҚ ЫМ ТІЛІН ТАНУ
DOI:
https://doi.org/10.32014/2023.2518-1726.205Ключевые слова:
казахский жестовый язык, распознавание жестового языка, распознавание жестов рук, сверточная нейронная сеть.Аннотация
Поскольку наиболее эффективным способом человеческого взаимодействия друг с другом является речь и жесты рук, технологии могут многое предложить людям, которые не могут говорить или слышать. Поэтому в данном случае важна связь человека и техники, которая в последнее время быстро развивается. Для этой цели необходим метод или приложение, которое обеспечивает общение человека с технологией. Есть много методов, выполняющих распознавания жестов рук. Среди них часто рекомендуются методы глубокого обучения с использованием искусственных нейронных сетей. В этой работе изучалась сверточная нейронная сеть (CNN).
В исследовании представлена независимая от человека система машинного обучения перевода казахских жестов в текст и их распознаваниe. Данные, состоящие из 42 независимых казахских дактилей, сначала были разделены на 80% обучающих и 20% тестовых данных, а затем обучены с использованием классификатора CNN. Архитектуры VGG16 и ResNet50 использовались для улучшения производительности распознавания жестов. По результатам исследования показатели распознавания оказались точными на 98,867% (тест) и 91,323% (оценка) с VGG16; 78,612% (тест) и 62,69% (оценка) с ResNet50 соответственно.
