Resumen

Como un componente importante de la lengua de señas universal y la base para aprender otras lenguas de señas, el lenguaje de señas manual tiene una gran importancia. En este documento se propuso un novedoso método de identificación de deletreo manual para la Lengua de Señas China a través de transfer learning basado en AlexNet y el optimizador Adam, que probó cuatro configuraciones diferentes de transfer learning. Además, en el experimento, se comparó el algoritmo Adam con los algoritmos de descenso de gradiente estocástico con momento (SGDM) y de propagación de la raíz cuadrada media (RMSProp), y se llevó a cabo una comparación entre el uso de aumento de datos (DA) y no usar DA para lograr un mejor rendimiento. Finalmente, la mejor precisión del 91.48% y una precisión promedio del 89.481.16% fueron obtenidas por la configuración M1 (reemplazando el último FCL8) con el algoritmo Adam y utilizando 181x DA, lo que indica que nuestro método puede identificar el lenguaje de señas manual ch

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Lenguaje de señas con los dedos; Método; Lenguaje de Señas Chino; Aprendizaje por transferencia; Optimizador Adam; Aumento de datos
• Keywords:Finger sign language; Method; Chinese Sign Language; Transfer learning; Adam optimizer; Data augmentation