СОЗДАНИЕ МОДЕЛИ ДЛЯ РАСПОЗНАВАНИЯ КАЗАХСКОГО ЖЕСТОВОГО ЯЗЫКА С ИСПОЛЬЗОВАНИЕМ МЕТОДА ГЛУБОКОГО ОБУЧЕНИЯ

Аннотация

Основной целью исследования является анализ эффективности глубоких нейронных сетей для распознавания казахского жестового языка. Это исследование направлено на совершенствование методов распознавания казахского жестового языка с использованием современных технологий.

Задача исследования — обработка жестов и изображений, представляющих 42 буквы казахского жестового языка, и их точная классификация с использованием сверточных нейронных сетей (CNN). Созданная модель способна распознавать жесты рук в реальном времени с помощью камеры.

Сложные системы распознавания жестов в области искусственного интеллекта все еще находятся на стадии активных исследований и разработки, поэтому эта модель рассматривается как важный шаг в данном направлении. Особенно разработка системы, соответствующей особенностям казахского языка, способствует сохранению национального культурного наследия. Кроме того, эта технология может быть использована для расширения возможностей общения людей с ограниченными возможностями слуха и речи.

Результаты исследования показали ограничения текущей конфигурации модели, включая низкий уровень точности и полноты для множества классов. Причиной этого могут быть дисбаланс в данных, неоптимальная архитектура выбранной модели, а также недостаточная настройка параметров обучения.

Для решения этих проблем важно использовать методы балансировки данных, улучшить архитектуру модели и повысить качество данных. Кроме того, сбор дополнительных данных, использование методов увеличения данных и оптимизация параметров нейронной сети являются важными направлениями исследования. В ходе исследования была собрана база данных для распознавания особенностей жестов казахского жестового языка, на основе которой проводилось обучение модели.