Browsing by Author "Giray Sercan, Özcan"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    Sign language recognition with zero-shot learning
    (Başkent Üniversitesi Fen Bilimleri Enstitüsü, 2024) Giray Sercan, Özcan; Emre, Sümer
    Sign language holds great importance for a specific segment of society. Automating Sign Language Recognition (SLR) using machine learning is crucial for facilitating communication between different segments of society. However, creating the necessary labeled data for this task is very challenging. Furthermore, the evolution and changing meanings of sign language words over time make this field even more difficult. This work presents a novel approach to Zero-Shot Sign Language Recognition (ZSSLR). Using hand and landmark data extracted from the signer’s body data, the signer’s hand and body have been modeled. To determine which of the extracted and modeled features are more important for this purpose, a data grading method was applied. In Zero-Shot Learning (ZSL), datasets containing descriptions of the movements in sign language videos were used. The results were tested on two benchmarkable ZSL datasets and demonstrated in ZSL and Generalized Zero-Shot Learning (GZSL) settings. ˙I ¸saret dili, toplumun belirli bir kesimi için büyük önem ta¸sımaktadır. ˙I¸saret Dili Tanımanın (SLR) makine ö˘grenmesi kullanılarak otomatikle¸stirilmesi, toplum kesimlerinin ileti¸simini kolayla¸stırmak için çok önemlidir. Ancak, bu görev için gerekli olan etiketlenmi¸s verilerin olu¸sturulması oldukça zordur. Dahası, zaman içinde i¸saret dili kelimelerinin evrim geçirip anlamlarının de˘gi¸smesi bu alanı daha da zor hale getirmektedir. Bu çalı¸sma, Sıfır- Shot˙I ¸saret Dili Tanıma (ZSSLR) için yenilikçi bir yakla¸sım sunmaktadır. ˙I¸saretçinin vücut verilerinden çıkarılan el ve landmark verileri kullanılarak, i¸saretçinin el ve vücudu modellenmi ¸stir. Çıkarılan ve modellenen özniteliklerin bu amaç için hangisinin daha önemli oldu˘gunu belirlemek amacıyla bir veri derecelendirme yöntemi uygulanmı¸stır. Sıfır-Shot Ö˘grenmede (ZSL), i¸saret dili videolarında yapılan hareketlerin tanımlarını içeren veri kümeleri kullanılmı ¸stır. Sonuçlar, iki kar¸sıla¸stırılabilir ZSL veri kümesinde test edilmi¸s ve ZSL ve Genel Sıfır-Shot Ö˘grenme (GZSL) ayarlarında gösterilmi¸stir.