基于 YOLOv5 算法的泰卢固手语识别
计算机视觉与模式识别
2024-06-18 v1 图像与视频处理
摘要
手语识别（SLR）技术具有巨大的潜力，旨在改善听力障碍人群的沟通与可达性。本文提出了一种 novel 方法，用于识别泰卢固手语（TSL）中的手势。主要目标是创建一个准确且成功的方法，以便听力障碍社群使用 SLR。随后，我们创建了一个深度学习模型，使用 YOLOv5 框架识别和分类手势。该模型受益于 YOLOv5 架构的高准确率、快速速度和处理复杂手语特征的能力。通过迁移学习方法，定制 YOLOv5 模型以适应 TSL 手势。为获得最佳效果，在训练期间对参数和超参数进行了精心调整。实验结果表明，YOLOv5-medium 模型在 F1-score 和 mean Average Precision（mAP）上分别达到 90.5% 和 98.1%，在 TSL 手势识别任务中表现卓越，显示明确其有效性。该模型在计算复杂度和训练时间之间取得了令人满意的平衡，为实际部署提供了这些惊人成果。通过严格的测试和验证，评估了该系统在各种 TSL 手势和环境下的稳定性和通用性，结果令人瞩目。这项研究为未来在语言社区中推广可访问技术提供了基础，同时为手语识别领域提供了洞见和 novel 方法。
引用
@article{arxiv.2406.10231,
title = {Sign Language Recognition based on YOLOv5 Algorithm for the Telugu Sign Language},
author = {Vipul Reddy. P and Vishnu Vardhan Reddy. B and Sukriti},
journal= {arXiv preprint arXiv:2406.10231},
year = {2024}
}
备注
11 pages, 9 figures