视频中的美国手语手指拼写识别：面向无限制识别与手语者无关的方法
计算与语言
2016-08-31 v1 计算机视觉与模式识别
摘要
在本论文中，我们研究从视频序列中识别美国手语(ASL)手指拼写字母的问题。手指拼写是ASL中重要但研究相对较少的部分，其识别具有挑战性，原因包括：涉及快速、微小的动作且常高度协同发音；不同手语者间表现出显著差异；以及缺乏已收集的连续手指拼写数据。本工作中，我们提出多种识别方法，并探索手语者差异问题。我们性能最佳的模型是使用基于深度神经网络特征的段式(半马尔可夫)条件随机场。在手语者依赖设定下，我们的识别器实现了低至约8%的字母错误率。手语者独立设定更具挑战性，但通过神经网络自适应，我们实现了低至17%的字母错误率。
引用
@article{arxiv.1608.08339,
title = {American Sign Language fingerspelling recognition from video: Methods for unrestricted recognition and signer-independence},
author = {Taehwan Kim},
journal= {arXiv preprint arXiv:1608.08339},
year = {2016}
}
备注
PhD Thesis