.png){kind=icon}
返回
Arabic Sign Language Recognition Using Image-Based Deep Learning and Edge User-Centered Interface
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-031-97576-9_16.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
一种在辅助生活领域的增长趋势涉及使用机器学习技术来识别针对残疾人士定制的手势模式。然而，在识别系统中，手语数据的有限可用性引发了数据稀缺和隐私问题。本文提出了一种用于阿拉伯手语识别的联邦深度学习架构，旨在解决解析基于图像的手势所传达含义的挑战。联邦学习的分布式客户端-服务器范式基于带有联邦平均机制的分布式随机梯度下降（SGD）优化器。此外，设计了一个交互式用户界面，通过客户端-服务器模型在智能手机上管理分布式学习，其中多个边缘节点协作共同学习保密数据的判别特征，而不会侵犯其隐私。该交互式界面通过图像手势和导航面板提高了聋人或残疾人士的可及性。在迁移学习过程中采用了多种深度学习骨干网络，以适应最优微调设置并最大化识别准确率。实验结果表明，所提出的FL模型的有效性，通过FL-VGG19配置实现了98.80%的准确率。同时，训练轮次和回合数显著减少，导致收敛的计算复杂度下降。这证明了模型在识别阿拉伯手语和改善残疾人士沟通体验方面的能力。
Keyword:
Federated deep learning
Arabic sign recognition
Smartphone accessibility
Gesture user interface
Communication disabilities
期刊
C
机构
引用论文
DeepArSLR: A Novel Signer-Independent Deep Learning Framework for Isolated Arabic Sign Language Gestures Recognition.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Arabic Sign Language Recognition and Generating Arabic Speech Using Convolutional Neural NetworkOAAI
OAAI分享收藏Based on wearable sensory device in 3D-printed humanoid: A new real-time sign language recognition systemMEASUREMENT
MEASUREMENTIF5.6
PREAI
分享收藏Deep Learning for Sign Language Recognition: Current Techniques, Benchmarks, and Open IssuesIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容