O‘ZBEK IMO-ISHORA TILI UCHUN DASTLABKI MA’LUMOTLAR BAZASINI SHAKLLANTIRISH VA SUN’IY INTELLEKT ASOSIDA TANIB OLISH MODELINI ISHLAB CHIQISH
В данном исследовании рассматриваются вопросы формирования предварительной базы данных для узбекского языка жестов и разработки модели распознавания на основе искусственного интеллекта с целью обеспечения цифровой инклюзии лиц с нарушениями слуха и речи в Республике Узбекистан. Актуальность обусловлена стратегией Президента «Цифровой Узбекистан – 2030» и государственными программами поддержки лиц с ограниченными возможностями. В качестве методологии использовались извлечение контрольных точек руки через MediaPipe, обработка временных рядов с помощью архитектуры LSTM и сравнительный анализ фреймворков. В результате собрано 15 000 видеозаписей для 50 жестов от 30 участников, модель показала точность 80,7% на тестовой выборке. Научная новизна заключается в создании первого открытого прототипа датасета с учётом особенностей узбекского языка жестов, а практическая значимость — в возможности создания системы сурдоперевода в реальном времени.
1. Mirziyoyev Sh.M. “Raqamli O‘zbekiston – 2030” strategiyasi. O‘zbekiston Respublikasi Prezidenti Farmoni PF-60-son, 2020.
2. Stoll S., et al. “Sign language recognition: A deep survey.” Expert Systems with Applications, vol. 164, 2021, pp. 113794.
3. Koller O., et al. “Deep continuous sign language recognition.” CVPR Workshops, 2015, pp. 53–61.
4. Moryossef A., et al. “How2Sign: A large-scale multimodal dataset for continuous sign language recognition.” CVPR, 2021, pp. 2735–2744.
5. Hochreiter S., Schmidhuber J. “Long Short-Term Memory.” Neural Computation, vol. 9, no. 8, 1997, pp. 1735–1780.
6. Cui R., Liu H., Zhang C. “A deep neural framework for continuous sign language recognition by iterative training.” IEEE Transactions on Multimedia, vol. 21, no. 7, 2019, pp. 1880–1891.
7. Vaswani A., et al. “Attention Is All You Need.” Advances in Neural Information Processing Systems (NeurIPS), vol. 30, 2017.
8. Lugaresi C., et al. “MediaPipe: A Framework for Building Perception Pipelines.” arXiv preprint arXiv:1906.08172, 2019.
9. Karimov A., Rajabov O. “O‘zbek imo-ishora alifbosi uchun dastlabki tasniflash modeli.” O‘zbekiston fanlar akademiyasi axborotnomasi, 2022, №3, 45–52-betlar.
10. Li D., et al. “MS-ASL: A Large-Scale Dataset for American Sign Language Recognition.” IEEE FG, 2019, pp. 1–7.
Copyright (c) 2026 «ВЕСТНИК НУУз»
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
.jpg)
2.png)
