Türk işaret dili alfabesinin derin öğrenme yöntemi ile sınıflandırılması

Günümüzde işitme engeli olan insanların, kendi aralarında anlaşmak için kullandıkları işaret dilinin çok az insan tarafından biliniyor olmasından dolayı günlük yaşantılarında iletişim kurmak konusunda bir takım sıkıntılar yaşadıkları bilinmektedir. İşitme engeli olan insanlarla duyabilen insanların arasındaki bu iletişim engelini azaltmak için pek çok akademik çalışma yapılmıştır ve günümüzde bu konuyla ilgili çalışmalar hala sürmektedir. Son zamanlarda makine öğrenmesi, derin öğrenme alanında da bu konuda çalışmalar yapılmaktadır. Bu tez çalışmasında, 29 Türkçe işaret dili alfabesi karakterleri ve metin yazmak için tanımlanmış 3 karakterden oluşan veri seti, her bir sınıf için 1500 adet görüntü kaydedilerek oluşturulmuştur. Önceden eğitilmiş bir konvolüsyonel yapay sinir ağ modeli kullanılarak transfer öğrenme metodu ile sistem, Türkçe işaret dili alfebesinden ve özel karakterlerden oluşturulan veri seti ile eğitilmiştir. Eğitim sonrası web kamera ile seçili alanda gösterilen işaretin gerçek zamanlı olarak tanımlanması ve bu yol ile bir kelime ya da cümle oluşturup kaydedilmesi sağlanmıştır. Bu çalışmada kullanılan model, eğitim ve tanımlama işlemleri python dili kullanılarak yazılıma dönüştürülmüştür. Kullanılan önceden eğitilmiş konvolüsyonel sinir ağı modelinin başarısı test edilip yorumlanmıştır. Performans kriterlerine göre başarı %90 olarak elde edilmiştir.