مناقشة رسالة طالبة الماجستير هند ابراهيم محمد من قسم علوم الحاسوب

ناقش قسم علوم الحاسوب في كلية العلوم بجامعة ديالى رسالة طالبة الماجستير هند ابراهيم محمد الموسومة التعرف على ايماءة اليد بالاعتماد على تقنيات التعلم الالي وذلك في يوم الاثنين الموافق 2021/8/16 وعلى قاعة المناقشات في عمادة الكلية.

أوضحت الطالبة في دراستها أن لغة الإشارة هي اللغة الأكثر شيوعًا التي يستخدمها مجتمع الصم لتوصيل المعلومات من خلال الإيماءات بدلاً من الكلمات. فضلا عن ذلك يستخدم هذا المصطلح للتفاعل بين الإنسان والحاسوب. إنها طريقة اتصال مميزة تتم دراستها غالبًا. وعلى الرغم من أن عملية الترجمة بين الإشارات واللغة المنطوقة أو المكتوبة تُعرف رسميًا بالترجمة الآنية، فإن الدور الذي تلعبه الترجمة الآنية هو نفسه دور الترجمة للغة منطوقة. أحد الفروق الدقيقة في لغة الإشارة هو استخدام طريقة قراءة الكلمات المقطعية باستخدام الأصابع. إنها مجرد طريقة لقراءة الكلمات مقطعيًا من خلال إيماءات اليد. أحد أسباب الأبجدية المقطعية للإصبع في لغة الإشارة هو أن مدربي لغة الإشارة يستخدمونها لوصف أسماء الأشياء التي ليس لها علامة مثل الأسماء والمواقع والألقاب والعلامات التجارية والمواد الغذائية والحيوانات غير العادية والنباتات في الحياة اليومية كلها في هذه المجموعة بشكل عام. نتيجة لذلك من المهم جدًا فهم عملية تحديد كل حرف على حدة ليصبح التعرف على لغة الإشارة تقنية مهمة في الذكاء الاصطناعي والتعلم الآلي.

تقدم هذه الدراسة نظامين مقترحين للتعرف على إيماءات اليد الثابتة على أساس خوارزميات التعلم الالي والتعلم العميق، إذ يتم استخدام خطوات عدة على شكل مراحل: الحصول على الصور، المعالجة المسبقة للصور، استخراج الميزات والتصنيف. في النظام المقترح الأول ، يتم استخدام الرسم البياني للتدرجات الموجهة (HOG) لاستخراج الميزات من كل صورة ثم يتم تطبيق خوارمية التعلم الالي متعدد الفئات (MSVM) باستخدام نتيجة HOG للصور لأداء عملية التصنيف. في النظام الثاني المقترح ، يتم استخدام الشبكة العصبية الالتفافية (CNN) والتي يتم من خلالها التعرف على إيماءات اليد الثابتة وفقًا لهيكل خاص لهذه الخوارزمية التي تتكون من طبقات عدة.

أظهرت النتائج التجريبية كفاءة وموثوقية النظامين المقترحين بالمقارنة مع الأعمال ذات الصلة. أظهرت النتائج المتحصل عليها أن النظام المقترح الثاني الذي اعتمد على التعليم العميق باستخدام نموذج CNN يتفوق على النظام الأول من حيث الأداء والدقة ، ومعدل الدقة الذي تم الحصول عليه من النظام الثاني المقترح كان (99.71 ٪) للغة الإشارة الأمريكية (ASL ) و ( 99.03٪) للغة الإشارة العربية (ArSL ) ، بينما كانت نسبة الدقة التي تم الحصول عليها من النظام المقترح الأول ( 96.58 ٪) لـ ASL و (96.16 ٪) لـ ArSL .

وتألفت لجنة المناقشة من السادة المدرجة أسماؤهم أدناه: