Malayalam Sign Language Identification using Finetuned YOLOv8 and Computer Vision Techniques

科技的进步和创新以各种可能的方式推动着我们的日常生活，但是有一大部分社会群体由于身体上的障碍而无法享受这些好处。为了让这些有才华和天赋的人也能够无障碍地使用这些创新，我们需要让这些应用程序变得更易用。现在开发的许多应用程序已经解决了这些挑战，但是当地社区和其他受限制的语言群体可能会发现使用它们很困难。马拉雅拉姆语是印度喀拉拉邦使用的德拉维达语之一，也是印度22种官方语言之一。近年来，马拉雅拉姆语系统和工具的开发有了大幅增长，以满足喀拉拉邦的需求，但其中许多并没有同情心地设计来满足听障人士的需求。主要的挑战之一是马拉雅拉姆语手语数据的有限或无可用性，且在这方面没有足够的努力。因此，本文提出了一种使用先进的深度学习和计算机视觉技术来识别马拉雅拉姆语手语的方法。我们首先为马拉雅拉姆字母开发了一个标记数据集，并使用先进的深度学习技术，如YOLOv8和计算机视觉，来进行识别。实验结果表明，识别精度可与其他手语识别系统和其他研究人员使用该模型作为基准来开发先进模型的精度相媲美。

提出一种使用深度学习和计算机视觉技术识别马拉雅拉姆语手语的方法，以解决手语数据不足的问题。

使用YOLOv8和计算机视觉技术，开发一个马拉雅拉姆语手语字母的标记数据集，用于手语识别。实验结果表明，该方法的准确率与其他手语识别系统相当，可以作为其他研究的基线模型。

论文提出的方法可以帮助听障人士更好地使用技术。实验使用了自己开发的标记数据集，并使用了YOLOv8和计算机视觉技术。该方法的准确率与其他手语识别系统相当，可以作为其他研究的基线模型。

最近的相关研究包括：《Sign Language Recognition using Deep Learning: A Review》、《Real-time Sign Language Recognition using Convolutional Neural Networks》等。