Аннотация
Постоянно растущий интерес к машинному обучению и нейронным сетям подогревается значительными достижениями в области вы-числительных возможностей, позволяющими совершать прорывы в распозна-вании объектов, звука, текста и других форм данных. Эти достижения проло-жили путь к более интуитивному взаимодействию между людьми и машинами, сделав такие технологии доступными для более широкой аудитории. Последние разработки в области компьютерного зрения, в частности, привели к созданию сложных моделей, способных распознавать объекты на изображениях и видео. Эта же технология была эффективно адаптирована для распознавания жестов рук, что позволяет применять ее в таких областях, как взаимодействие человека и компьютера, робототехника и сурдоперевод. В этой статье рассматриваются некоторые из наиболее популярных моделей распознавания жестов рук, с осо-бым акцентом на сверточные нейронные сети (CNN) и методы опорных век-торов (SVM). Эти модели различаются по своим методологиям, эффективно-сти обработки и объему требуемых обучающих данных, предлагая различные преимущества и ограничения в зависимости от контекста применения. Основ-ная цель этого исследования - дать обзор различных алгоритмов машинного обучения, глубоко изучив их теоретические основы, операционные механизмы и сравнительную производительность с точки зрения точности, времени обу-чения и требований к данным. Кроме того, в этой работе представлены экс-периментальные результаты распознавания языка жестов на казахском языке, в частности, с использованием дактильного алфавита. Приводится подробный анализ, сопровождаемый подробной таблицей, в которой сообщается о точно-сти каждого распознанного жеста. Тестирование проводилось в режиме реаль-ного времени с использованием отдельных жестов рук, отображаемых перед камерой, что продемонстрировало эффективность системы распознавания. Кроме того, исследование включает в себя объяснение математических основ и логи-ческих структур, лежащих в основе алгоритмов машинного обучения, проил-люстрированных формулами, функциональными взаимосвязями и блок-схема-ми, которые описывают процесс распознавания. Сочетая теоретические идеи с практическими экспериментами, эта статья призвана внести вклад в растущую область распознавания жестов и их применения в доступных коммуникацион-ных технологиях.