• چکیده (6)
• فهرست جدول‌ها (11)
• فهرست تصویرها (12)
• فصل1 مقدمه (14)
  • 1-1 اهمیت موضوع و پژوهش (14)
  • 1-2 اهداف پژوهش (15)
  • 1-3 ساختار گزارش (16)
• فصل2 مفاهیم پایه (18)
  • 2-1 تعریف ایما (18)
  • 2-2 تقسیم بندی تشخیص ایما بر مبنای ماهیت داده (19)
    • 2-2-1 تشخیص به کمک سنسورها (19)
    • 2-2-2 تشخیص به کمک تصویر (20)
    • 2-2-3 تشخیص ترکیبی (21)
  • 2-3 انواع پیش‌پردازش داده‌ها (21)
    • 2-3-1 نرمال‌سازی و فیلتر کردن (21)
    • 2-3-2 استخراج ویژگی (22)
    • 2-3-3 انتخاب ویژگی (23)
  • 2-4 شبکه‌ها و معماری‌های مورد استفاده (24)
    • 2-4-1 شبکه‌های پرسپترون چند لایه12F12F (25)
    • 2-4-2 شبکه‌ عصبی پیچشی (26)
      • 2-4-2-1 لایه کانولوشن (26)
      • 2-4-2-2 لایه ادغام (27)
    • 2-4-3 شبکه‌های بازگشتی19F19F (28)
      • 2-4-3-1 معماری حافظه طولانی کوتاه مدت21F21F (28)
      • 2-4-3-2 معماری واحد برگشتی دروازه‌ای27F27F (30)
    • 2-4-4 شبکه ترنسفورمر28F28F (31)
    • 2-4-5 شبکه مولد متخاصم36F36F (33)
    • 2-4-6 شبکه ترنسفورمر تصویری41F41F (35)
    • 2-4-7 تابع هزینه42F42F CTC (36)
  • 2-5 منطق فازی (37)
    • 2-5-1 توابع تعلق فازی (38)
    • 2-5-2 پایگاه قوانین فازی (39)
  • 2-6 الگوریتم ژنتیک (40)
  • 2-7 معیارهای ارزیابی (42)
    • 2-7-1 WER (42)
    • 2-7-2 BLEU (43)
• فصل3 مرور ادبیات (45)
  • 3-1 مقدمه (45)
  • 3-2 انواع ترجمه زبان اشاره (46)
    • 3-2-1 ترجمه ایزوله زبان اشاره (47)
    • 3-2-2 ترجمه پیوسته زبان اشاره (47)
  • 3-3 ساختارهای مورد استفاده برای تشخیص و مدلسازی زبان اشاره (48)
    • 3-3-1 یادگیری ماشین (48)
      • 3-3-1-1 ماشین بردار پشتیبان (48)
      • 3-3-1-2 آنالیز مولفه‌های اصلی (49)
    • 3-3-2 مدل‌های مخفی مارکوف53F53F (49)
    • 3-3-3 یادگیری عمیق (50)
      • 3-3-3-1 شبکه‌های باور عمیق (51)
      • 3-3-3-2 شبکه‌های عصبی پیچشی (51)
      • 3-3-3-3 شبکه‌های بازگشتی (52)
      • 3-3-3-4 شبکه‌های عصبی پیچشی بازگشتی (54)
      • 3-3-3-5 شبکه PCANet (54)
      • 3-3-3-6 شبکه SubUNet (55)
      • 3-3-3-7 شبکه‌های ترنسفورمر (56)
    • 3-3-4 مدل‌های ترکیبی (57)
  • 3-4 مروری بر تلاش‌های صورت گرفته برای زبان اشاره ایرانی (64)
  • 3-5 جمع بندی (70)
• فصل4 مجموعه دادگان مورد استفاده (72)
  • 4-1 مجموعه داده زبان اشاره در سطح کلمه (72)
  • 4-2 مجموعه داده زبان اشاره در سطح جمله (73)
• فصل5 تشخیص جمله به کمک تشخیص تک کلمات (75)
  • 5-1 مقدمه (75)
  • 5-2 پیش پردازش (76)
    • 5-2-1 تشخیص دست و صورت در فیلم (77)
    • 5-2-2 استخراج نقاط کلیدی دست (79)
    • 5-2-3 استخراج نقاط لب‌ها (81)
    • 5-2-4 استخراج ویژگی از موقعیت دست‌ها (81)
  • 5-3 مدل‌ پیشنهادی برای تشخیص تک کلمه (83)
    • 5-3-1 ساختار داده‌ها (83)
    • 5-3-2 مدل ادغام دیرهنگام76F76F (84)
      • 5-3-2-1 پارامترهای مدل (86)
    • 5-3-3 مدل ادغام زودهنگام85F85F (88)
      • 5-3-3-1 پارامترهای مدل (88)
    • 5-3-4 مدل نهایی ترکیبی (89)
  • 5-4 بهینه‌سازی مدل‌ نهایی با الگوریتم ژنتیک (90)
    • 5-4-1 پارامترهای بهینه‌سازی (90)
    • 5-4-2 تابع هدف (90)
    • 5-4-3 پارامتر‌های الگوریتم (91)
      • 5-4-3-1 جمعیت اولیه (91)
      • 5-4-3-2 ساختار کروموزوم‌ها (91)
      • 5-4-3-3 فرآیند انتخاب والدین (92)
      • 5-4-3-4 نحوه تولید نسل جدید (92)
      • 5-4-3-5 جهش (92)
      • 5-4-3-6 فرایند جستجو (93)
      • 5-4-3-7 تعداد نسل‌ها (93)
  • 5-5 ماژول تشخیص جمله (93)
    • 5-5-1 تکنیک پنجره‌زنی (94)
    • 5-5-2 تعیین طول پنجره با کنترلر فازی (95)
  • 5-6 نتایج (97)
    • 5-6-1 تشخیص تک‌کلمه (97)
    • 5-6-2 تشخیص جمله (99)
  • 5-7 جمع‌بندی (101)
• فصل6 تشخیص جمله به صورت مستقیم (102)
  • 6-1 مقدمه (102)
  • 6-2 پیش پردازش (103)
  • 6-3 مدل پیشنهادی (103)
    • 6-3-1 پارامتر‌های مدل (104)
  • 6-4 نتایج (104)
  • 6-5 جمع بندی (105)
• فصل7 پیاده سازی نسخه اولیه نرم افزار آموزش زبان اشاره ایرانی (107)
  • 7-1 مقدمه (107)
  • 7-2 توضیحات پیاده‌سازی (108)
  • 7-3 جمع‌بندی (109)
• فصل8 جمع‌بندی و نتیجه‌گیری (110)
• فصل9 محدودیت‌ها و اقدامات پیشنهادی (112)
• منابع یا مراجع (114)
• پیوست1 (121)