资源不足数据集上的跨数据集孤立手语识别迁移学习
计算机视觉与模式识别
2024-04-16 v2
摘要
手语识别（SLR）近来因在大规模标注手语数据集上训练的深度神经网络而取得了性能突破。在众多不同的手语中，这些标注数据集仅适用于少数几种。由于获取手语视频的词汇级标签十分困难，通过从现有标注源迁移知识进行学习，对于资源不足手语的识别非常有用。本研究基于两个现有的公开土耳其手语识别数据集，提供了一个公开的跨数据集迁移学习基准。我们采用基于时序图卷积的手语识别方法，评估了五种有监督迁移学习方法，并进行了闭集和部分集跨数据集迁移学习实验。实验表明，通过专门的有监督迁移学习方法，有可能实现优于基于微调的迁移学习的改进。
引用
@article{arxiv.2403.14534,
title = {Transfer Learning for Cross-dataset Isolated Sign Language Recognition in Under-Resourced Datasets},
author = {Ahmet Alp Kindiroglu and Ozgur Kara and Ogulcan Ozdemir and Lale Akarun},
journal= {arXiv preprint arXiv:2403.14534},
year = {2024}
}
备注
Accepted to The 18th IEEE International Conference on Automatic Face and Gesture Recognition 2024, Code available in https://github.com/alpk/tid-supervised-transfer-learning-dataset