dc.description.abstract | 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.
Today, it is known that people with hearing impairments have some difficulties
while communicating in their daily lives as the sign language they use to
communicate with each other is known to very few people. Many academic studies
have been carried out to reduce this communication barrier between people who
has hearing impairments and the ones who has not, and the studies on this issue
are still ongoing. In the fields of machine learning and deep learning studies are
being carried out on this subject. In this thesis, The 29 Turkish sign language
alphabet characters and 3-character data set for writing text were created by
recording 1500 images for each class. The system has been trained with a data
set consisting of Turkish sign language alpahbet and 3 special characters by using
the transfer learning method with a pre-trained convolutional neural network
model. After the training, it was ensured that the signal displayed in the selected
area was defined in real time and thus, creation of a word or formation of a
sentence which will then be saved was made possible. The training and
identification procedures and the model which has been used in this study were
converted into software using Python programming language. The success of the
pre-trained convolutional neural network model has been tested and
interpreted.According to the performance criteria, the success rate is %90. | en_US |