Анализ методов распознавания объектов в видео в задаче распознавания жестовых языков

Abstract

Данная работа анализирует различные подходы к обработке видео с помощью глубоких нейронных сетей на примере задачи распознавания жестового языка. Рассматриваются такие архитектуры нейронных сетей, как Video Swin Transformer и последовательность из сверточных нейронных сетей и сетей долгой краткосрочной памяти. Приведены результаты сравнительного анализа моделей, выводы и рекомендации построения моделей для обработки видео