Cross-Age Real-Time Kannada Sign Language Recognition using Curvilinear Geometric Features and CNN-LSTM Models
Diese Studie stellt ein robustes Echtzeit-Framework für die altersübergreifende Erkennung der Kannada-Gebärdensprache vor, das eine kurvilineare geometrische Merkmalsextraktion mit einer hybriden CNN-LSTM-Architektur integriert und dabei eine Genauigkeit von 94,6 % auf einem neu zusammengestellten Datensatz aus 5.000 annotierten Proben erreicht, um eine effektive Gebärden-zu-Text-Übersetzung für die assistive Kommunikation zu erleichtern.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.