ارائه 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 می باشد. این مقاله یک الگوریتم تشخیص اشارات برای زبان اشاره آمریکایی مختص ناشنوایان ارائه می دهد. 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 ویژگی های ثابت چرخش، تفسیر و مقیاس پذیری استفاده شده است. سپس، با استفاده از یک جنگل تصادفی چندلایه ای 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 مجموعه های فازی استفاده شده است. در حقیقت، این رویکرد، استحکام سیستم های طبقه بندی چندگانه، قدرت تصادفی بودن برای افزایش تنوع درختان، و انعطاف پذیری منطق فازی و مجموعه های فازی را برای مدیریت داده های ناقص ترکیب می کند.