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

تشخیص اشارات یک وظیفه مهم در حوزه‌هایی مانند تعامل انسان و کامپیوتر، تشخیص زبان اشاره و رباتیک می‌باشد. این مقاله یک الگوریتم تشخیص اشارات برای زبان اشاره آمریکایی مختص ناشنوایان ارائه 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 مقیاس‌پذیری استفاده‌شده است. سپس، با استفاده از یک جنگل تصادفی چندلایه‌ای فازی، برای طبقه‌بندی بردارهای ویژگی آموزش داده، که برای تشخیص اشارات دست واگذار شده است. برای بهبود طبقه‌بندی، از انعطاف‌پذیری منطق فازی و مجموعه‌های فازی استفاده شده است. در حقیقت، این رویکرد، استحکام سیستم‌های طبقه‌بندی چندگانه، قدرت تصادفی بودن برای افزایش تنوع درختان، و انعطاف‌پذیری منطق فازی و مجموعه‌های فازی را برای مدیریت داده‌های ناقص ترکیب می‌کند.