Název:	Mutual Support of Data Modalities in the Task of Sign Language Recognition
Další názvy:	Vzájemná podpora datových modalit v úloze rozpoznávání znakového jazyka
Autoři:	Gruber, Ivan Krňoul, Zdeněk Hrúz, Marek Kanis, Jakub Boháček, Matyáš
Citace zdrojového dokumentu:	GRUBER, I. KRŇOUL, Z. HRÚZ, M. KANIS, J. BOHÁČEK, M. Mutual Support of Data Modalities in the Task of Sign Language Recognition. In 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Nashville: IEEE, 2021. s. 3419-3428. ISBN: 978-1-66544-899-4 , ISSN: 2160-7508
Datum vydání:	2021
Nakladatel:	IEEE
Typ dokumentu:	konferenční příspěvek ConferenceObject
URI:	2-s2.0-85116062397 http://hdl.handle.net/11025/47308
ISBN:	978-1-66544-899-4
ISSN:	2160-7508
Klíčová slova:	rozpoznávání znakového jazyka;konvoluční neuronové sítě
Klíčová slova v dalším jazyce:	sign language recognition;convolutional neural networks
Abstrakt v dalším jazyce:	This paper presents a method for automatic sign language recognition that was utilized in the CVPR 2021 ChaLearn Challenge (RGB track). Our method is composed of several approaches combined in an ensemble scheme to perform isolated sign-gesture recognition. We combine modalities of video sample frames processed by a 3D ConvNet (I3D), with body-pose information in the form of joint locations processed by a Transformer, hand region images transformed into a semantic space, and linguistically defined locations of hands. Although the individual models perform sub-par (60% to 93% accuracy on validation data), the weighted ensemble results in 95.46% accuracy.
Práva:	Plný text je přístupný v rámci univerzity přihlášeným uživatelům. © IEEE
Vyskytuje se v kolekcích:	Konferenční příspěvky / Conference Papers (KKY) Konferenční příspěvky / Conference Papers (KKY) OBD

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.