ارایه یک روش تشخیص زبان علامت مبتنی بر رویکرد MLRF فازی با استفاده از اطلاعات عمق تصویر

تشخیص اشارات یک وظیفه مهم در حوزه هایی مانند تعامل انسان و کامپیوتر، تشخیص زبان اشاره و رباتیک میباشد. این مقاله یک الگوریتم تشخیص اشارات برای زبان اشاره آمریکایی مختص ناشنوایان ارایه میدهد. در این مقاله، یک روش بسیار دقیق برای تشخیص اشارات ایستا از یک تصویر عمق و درخت تصمیم فازی پیشنهاد شده است. در ابتدا، از تصاویر عمق برای استنتاج ویژگیهای ثابت چرخش، تفسیر و مقیاس پذیری استفاده شده است. سپس، با استفاده از یک جنگل تصادفی چندلایهای فازی، برای طبقه بندی بردارهای ویژگی آموزش داده، که برای تشخیص اشارات دست واگذار شده است. برای بهبود طبقه بندی، از انعطاف پذیری منطق فازی و مجموعههای فازی استفاده شده است. در حقیقت، این رویکرد، استحکام سیستمهای طبقهبندی چندگانه، قدرت تصادفی بودن برای افزایش تنوع درختان، و انعطاف پذیری منطق فازی و مجموعه های فازی را برای مدیریت دادههای ناقص ترکیب میکند.