基于迁移学习的阿拉伯手语识别系统中的改进算术优化算法

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Improved Arithmetic Optimization Algorithm with Transfer Learning based Arabic Sign Language Identification System

阿拉伯手语（ArSL）识别系统通过结合BF预处理、ResNet50v2特征提取、IAOA优化和GRU识别，实验准确率达93.87%，有效提升手语识别效果。

　　

摘要

阿拉伯手语（ArSL）在利用深度学习（DL）模型识别手势和符号方面取得了突破性研究成果。手语是一种独特的交流工具，它帮助听力障碍者与普通人之间的沟通。阿拉伯手语识别系统对不同群体来说具有重要意义，因为它使听力障碍者能够有效地进行交流。在手语中，手势的特点包括手的位置、形状、动作、身体部位和面部表情的差异，这些因素对计算机视觉（CV）中的视觉识别带来了挑战。自动化手势检测技术需要两个主要步骤：特定特征的识别和输入数据集的分类。此前已经提出了多种用于检测和分类手语的方法。在这项研究中，开发了一种基于改进元启发式算法和迁移学习的阿拉伯手语识别系统（IMTL-ArSL）。IMTL-ArSL方法的主要目标是检测和分类阿拉伯语中的各种手势。在IMTL-ArSL模型中，首先使用双向滤波（BF）模型进行预处理；接着应用残差网络（ResNet50v2）提取特征，并采用改进的算术优化算法（IAOA）进行超参数调整；最后利用门控循环单元（GRU）网络来识别手语。通过基准数据集对IMTL-ArSL方法进行了实证分析，实验结果显示其准确率达到了93.87%，优于其他方法。