The TensorFlow Blog
·
美国手语手指拼写识别
💡
原文英文，约800词，阅读约需3分钟。
📝
内容提要
Google Research和聋人专业艺术网络发布了一个包含超过100名聋人签名者制作的超过3百万个手指拼写字符的美国手语（ASL）手势数据集。他们还推出了一个Kaggle ML竞赛，将奖励20万美元的奖金给开发使用MediaPipe和TensorFlow Lite开发最准确的ASL手指拼写识别模型的ML工程师。获胜的模型将开源，以帮助开发人员为他们的应用程序添加手指拼写支持。目标是解决聋人和听力有障碍的人的无障碍性差距，并使AI对他们更加可访问。
🎯
关键要点
- Google Research和聋人专业艺术网络发布了一个包含超过100名聋人签名者制作的超过3百万个手指拼写字符的美国手语手势数据集。
- 推出了一个Kaggle ML竞赛，奖励20万美元给开发最准确的ASL手指拼写识别模型的ML工程师。
- 获胜的模型将开源，帮助开发人员为应用程序添加手指拼写支持。
- 目标是解决聋人和听力有障碍的人的无障碍性差距，使AI对他们更加可访问。
- 手指拼写通过手形表示字母，常用于传达姓名、地址和电话号码等信息。
- 在数据集中，ASL手指拼写的短语平均速度为每分钟57个单词，远快于美国平均的36个单词。
- 手指拼写是手语的一部分，尽管其速度快，但现有的手语识别AI仍落后于语音转文本技术。
- Google Research与聋人专业艺术网络合作创建了一个庞大的手指拼写数据集，以推动手语识别的发展。
- 该数据集是迄今为止最大的一次性手指拼写字符收集，包含连续短语、姓名、地址、电话号码和网址。
- 鼓励参与Kaggle竞赛，以帮助提高聋人和听力障碍者的AI可访问性。
➡️
