Development of Visual Data Processing Algorithm for the Sign Language Recognition System Based on CBFT-BiLSTM

2025

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/ubmk67458.2025.11206904
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This paper presents the development of a visual data processing algorithm for a real-time Kazakh Sign Language (KazSL) recognition system using the CBFT-BiLSTM model. The system leverages multimodal vision language models, specifically CLIP and BERT, to generate semantic embeddings for both video and text. A projection module is proposed to align these embeddings into a shared semantic space, enabling accurate matching using cosine similarity. A fine-tuned BiLSTM classifier is used to recognize the sentence class. The model is evaluated on two KazSL datasets (KRSL20 and QazSL) and achieves high accuracy (94,98% and 76%) with low confusion rates between similar signs. The system operates effectively in real-time with an average latency of less than 100 milliseconds per sentence. The proposed method demonstrates the potential of adapting vision language models for low-resource languages.