التعرف على اللغة الإشارية للحروف العربية باستخدام التعلم العميق على مجموعة بيانات RGB

يُقدّم هذا البحث نموذجًا لشبكة عصبية متعددة الطبقات (CNN) للتعرف على لغة الإشارة العربية (AASL)، باستخدام مجموعة بيانات AASL. ويُبرز البحث الأهمية الجوهرية للاتصال بالنسبة لذوي الصعوبات السمعية، خصوصًا داخل المجتمع الصمّ العربي، مع التأكيد على الدور الحاسم لأنظمة التعرف على لغة الإشارة. تحقق الطريقة المقترحة دقة متميزة، حيث وصل نموذج CNN إلى دقة تبلغ 99.9% على مجموعة التدريب، ودقة تحقق تبلغ 97.4% على مجموعة التحقق. ولا يقتصر هذا البحث على إنشاء نموذج دقيق للتعرف على لغة الإشارة العربية فحسب، بل يقدّم أيضًا رؤى حول الاستراتيجيات الفعّالة لاستخدام التخفيض (Dropout). وتُعدّ النتائج المرتفعة في الدقة تقدمًا بارزًا في هذا المجال، وتوحي بإمكانية تحسين إمكانية الوصول إلى الاتصال بالنسبة للمجتمع الصمّ العربي الناطق بالعربية.