Earticle

초록

한국어

수어란 기존의 음성 언어와는 완전히 독립적인 별개의 언어이며, 손동작 및 얼굴 표정으로 전달된 다. 이처럼 수어는 인간의 동작에 기반하므로, 수어 학습은 동작 인식에 대한 탐구와 밀접한 관련이 있다. 그러나 수어는 class 대비 데이터 수가 적고, 확보가 어려우며 움직임이 양손에 제한되어 동작 인식에 비해 학습 난이도가 높다. 본 연구에서는 수어 인식 학습 시 발생하는 어려움을 극복하고 성능 을 향상하고자 PoseConv3D 모델의 사용을 제안한다. PoseConv3D 모델은 인간 골격 데이터를 3D 히 트맵으로 변환하여 3D Convolution 연산을 통해 동작 인식을 학습한다. 인간 골격 기반의 히트맵 동 작 인식은 기존 그래프 기반의 학습에 비하여 시공간 학습에 더 유리하고, 자세 추청 과정에서 발생하 는 노이즈에 더 강하며, 일반화에 강점을 보인다. 최종적으로 한국 수어 데이터를 PoseConv3D모델로 학습한 결과 TRAIN에서 92.50, TEST에서 68.74의 인식 정확도를 보였다.

목차

요약
1. 서론
2. 관련 연구
3. 실험방법
3.1. 한국전자기술연구원(KETI) 데이터세트
3.2. 데이터 전처리
3.3. PoseConv3D
4. 실험결과
5. 결과
참고문헌

저자

• 임수현 [ AI 소프트웨어학부 인공지능전공 가천대학교 ]
• 최재용 [ AI 소프트웨어학부 인공지능전공 가천대학교 ] 교신저자

참고문헌