混合深層再帰神経ネットワークとカオスゲーム最適化を使用したインテリジェントハンドジェスチャー認識システム

ハンドジェスチャー認識は、さまざまな人間-コンピュータ相互作用（HCI）アプリケーションにおいて重要なタスクと考えられています。したがって、ハンドジェスチャー認識のための堅牢なシステムの開発は課題です。本研究では、ハンドジェスチャーを効率的に認識するために、カオスゲーム最適化（CGO）アルゴリズムを組み込んだハイブリッド深層再帰神経ネットワーク（RNN）という新しいハイブリッドアプローチを提案しました。カオスゲーム最適化を用いたハイブリッド再帰神経ネットワーク（RNN-CGO）の主な目的は、2Dジェスチャー画像からアルファベットサインの認識を達成することです。この技法に含まれる異なる段階は、前処理、特徴抽出、特徴選択、および分類です。提案されたアプローチは、PYTHONプラットフォームを使用してアメリカ手話（ASL）データセットで実行されます。提案されたアプローチで得られた精度、正確度、F1スコア、リコールはそれぞれ99.28%、99.96%、99.25%、および99.28%です。提案されたアプローチに必要な推論時間は0.121秒です。提案された技術は計算の複雑さが少なくなっています。結果は、提案されたアプローチが既存のハンドジェスチャー認識モデルアプローチよりも優れていることを示しました。