DERİN ÖĞRENME TEMELLİ TÜRK İŞARET DİLİ HARFLERİNİN TANINMASI

Abstract

İşitme engelli olan insanların duyabilen insanlar kadar rahat bir yaşam sürebilmeleri insanlarla kurabildikleri iletişim ile mümkün olabilmektedir. Bu iletişimi çoğunlukla işaret dilini kullanarak gerçekleştirirler. İşitme engelli insanların kullandıkları işaret dili ne yazık ki duyabilen insanlar tarafında yeterince bilinmemektedir. Bu sebeple işitme engelli insanların günlük hayatlarını kolaylaştırmak adına işaret dili üzerine birçok akademik çalışma yapılmaktadır. Özellikle yapay zekâ alanındaki gelişmelerden sonra makine öğrenmesi ve derin öğrenme alanında İşaret Dili çevrimi ile alakalı olarak çalışmalar hız kazanmıştır. Bu çalışmada günümüz problemlerinin bilgisayarlar kullanılarak çözümü için büyük faydalar sağlayan derin öğrenme modellerinden biri olan YOLOv5 kullanılarak Türk İşaret Dili Harflerinin hızlı bir şekilde tanınması amaçlanmıştır. Bu amaç doğrultusunda özgün ve kapsamlı bir veri seti oluşturulmuş ve YOLOv5 modeli ile % 92,3 oranında başarılı sonuçlar elde edilmiştir. Alınan bu başarılı sonuçlar neticesinde ilerleyen çalışmalarda Türk İşaret Dili Harflerinin yanı sıra Türk İşaret Dilinde bulunan rakamların, kelime ve sözcüklerin sınıflandırılabileceğinin mümkün olabileceği düşünülmektedir.

It is possible for people with hearing impairments to live as comfortably as people who can hear with the communication they can establish. They mostly communicate using sign language. The sign language used by hearing-impaired people is unfortunately not known enough by people who can hear it. For this reason, many academic studies are carried out on sign language in order to facilitate the daily lives of hearing- impaired people. Especially after the developments in the field of artificial intelligence, studies on machine learning and the Sign Language cycle in the field of deep learning have accelerated. In this study, it is aimed to recognize Turkish Sign Language Letters by using YoloV5, which is one of the deep learning models that provides great benefits for solving today's problems by using computers. For this purpose, an original and comprehensive data set was created and it was observed that 92,3 % successful results were obtained with the YoloV5 model. As a result of this successful study, it is thought that it will be also possible to classify the numbers, words found in Turkish Sign Language as well as Turkish Sign Language Letters.