نظام التعرف على لغة الإشارة (تم نشر بحث بهذا المشروع ب IEEE-ICEEM)

طوّرت نظاماً متقدماً للتعرف على لغة الإشارة يهدف إلى تقديم أداء عملي ومرن عبر مختلف البيئات. يعتمد النظام على معالجة الصور وتقنيات التعلم الآلي، وتم تصميمه مع التركيز على الدقة، الكفاءة، وإمكانية التوسّع.

أهم ما يميز النظام:

إجراء Benchmarks شاملة للنماذج: قمت باختبار ومقارنة عدة نماذج تعلم آلي/تعلم عميق على نفس البيانات لتحديد النموذج الأكثر دقة وكفاءة في مهمة التعرف على الحروف.

تحليل تقنيات المعالجة المسبقة (Preprocessing): درست تأثير أساليب متعددة مثل التحويل إلى تدرج الرمادي، CLAHE، وضبط التباين، وتم تحديد أي التقنيات تُحسّن الأداء وأيها لا يضيف قيمة أو قد يقلل الدقة.

القابلية للتوسع (Scalability): صممت النظام بحيث امكن نقله من 5000 صورة ( Dataset HGR) إلى التعرف على 87000 صورة ( Dataset ASL) بسهولة، مما يثبت مرونته وقدرته على التكيف مع نطاقات مختلفة.

التغطية الكاملة للأبجدية: النظام قادر على التعرف بدقة على جميع الحروف، مما يجعله أكثر شمولاً وملاءمة للاستخدام العملي.

اختبارات دقيقة: تم تقييم الأداء باستخدام مقاييس قياسية (مثل الدقة) لضمان مصداقية النتائج.

الهدف النهائي من هذا النظام هو تقديم حل عملي يدعم التواصل مع الصم وضعاف السمع، ويُستخدم كنموذج يمكن تطويره لاحقاً ليشمل كلمات وجُمل كاملة، بالإضافة إلى دعم لغات إشارة مختلفة.