尼泊尔手语字符识别：数据集开发与深度学习方法
计算机视觉与模式识别
2025-10-14 v1 人工智能
摘要
手语是听力和言语障碍者的 essential 沟通系统。然而，针对如尼泊尔手语(Nepali Sign Language, NSL)等较少覆盖的手语，数字语言数据集资源稀缺。本研究介绍首个针对NSL的基准数据集，包含36个手势类别，每个类别1500个样本，旨在捕捉该语言的结构和视觉特征。为评估识别性能，我们在数据集上微调了MobileNetV2和ResNet50架构，分别实现了90.45%和88.78%的分类准确率。这些发现表明，卷积神经网络在手语识别任务中效果显著，尤其是在资源较少的环境中。迄今为止，本工作代表着首次系统性地构建NSL基准数据集并评估深度学习方法的努力，凸显了在 underrepresented 手语研究中利用迁移学习和微调的潜力。
引用
@article{arxiv.2510.11243,
title = {Nepali Sign Language Characters Recognition: Dataset Development and Deep Learning Approaches},
author = {Birat Poudel and Satyam Ghimire and Sijan Bhattarai and Saurav Bhandari and Suramya Sharma Dahal},
journal= {arXiv preprint arXiv:2510.11243},
year = {2025}
}
备注
6 pages, 9 figures