- తెలంగాణ
- ఆంధ్రప్రదేశ్
- సినిమా
- గాసిప్స్
- క్రైమ్
- లైఫ్-స్టైల్
- ఎడిట్ పేజీ
- రాజకీయం
- జాతీయం-అంతర్జాతీయం
- బిజినెస్
- వాతావరణం
- స్పోర్ట్స్
- జిల్లా వార్తలు
- సెక్స్ & సైన్స్
- ప్రపంచం
- ఎన్ఆర్ఐ - NRI
- ఫొటో గ్యాలరీ
- సాహిత్యం
- వాతావరణం
- వ్యవసాయం
- టెక్నాలజీ
- భక్తి
- కెరీర్
- రాశి ఫలాలు
- సినిమా రివ్యూ
- Bigg Boss Telugu 8
మూగ భాషను అనువదించే ఏఐ మోడల్.. ఇప్పటికి ఆరు సంజ్ఞలు
దిశ, ఫీచర్స్ : చెవిటి, మూగ వ్యక్తులతో కమ్యూనికేట్ చేయడం నిజంగా సవాలే. ఇందుకోసం ASL (అమెరికన్ సైన్ లాంగ్వేజ్) ఉన్నప్పటికీ, కొంతమంది మాత్రమే ఈ సంకేత భాషను ఉపయోగించి సంభాషించడం నేర్చుకుంటారు. అయితే ఇలాంటి కొన్ని ASL సంకేతాలను సైతం ఇంగ్లిష్లోకి అనువదించే AI మోడల్ను ప్రియాంజలి గుప్తా అనే యువ ఇంజనీర్ అభివృద్ధి చేసింది. ప్రస్తుతం వెల్లూర్ ఇన్స్టిట్యూట్ ఆఫ్ టెక్నాలజీ విద్యార్థిగా ఉన్న గుప్తా.. టెన్సార్ఫ్లో ఆబ్జెక్ట్ డిటెక్షన్ apiని ఉపయోగించడం ద్వారా ఈ టూల్ను క్రియేట్ చేయగలిగింది. ssd_mobilenetగా పిలువబడే ప్రి-ట్రైన్డ్ మోడల్ ద్వారా ఈ ట్రాన్స్ఫర్-లెర్నింగ్ ఫీచర్ పనిచేస్తుంది.
వెబ్క్యామ్తో ASL యాక్షన్ పిక్స్ను సేకరించే ఫైల్ను రన్ చేయడం ద్వారా డేటాసెట్ మాన్యువల్గా తయారు చేయబడిందని గుప్తా తన Github పోస్ట్లో వెల్లడించింది. ప్రస్తుతానికి ఇది 'హలో, ఐ లవ్ యు, ధన్యవాదాలు, దయచేసి, అవును, కాదు' వంటి ఆరు సంజ్ఞలను గుర్తించగలదు. అయితే కేవలం సైన్ డిటెక్షన్ కోసం స్క్రాచ్ నుంచి డీప్ లెర్నింగ్ మోడల్ను రూపొందించడం చాలా క్లిష్టంగా ఉందనే వాస్తవాన్ని ఆమె అంగీకరించింది.
'సంకేత గుర్తింపు కోసం డీప్ లెర్నింగ్ మోడల్ను రూపొందించడం కష్టమే కానీ అసాధ్యం మాత్రం కాదు. ప్రస్తుతం నేను నేర్చుకునే దశలో ఉన్నాను. అయితే ఈ విషయంలో నా కంటే చాలా అనుభవమున్న మా ఓపెన్ సోర్స్ కమ్యూనిటీ ఒక పరిష్కారాన్ని కనుగొంటుందని నమ్ముతున్నాను. భవిష్యత్తులో కేవలం సంజ్ఞ భాషల కోసమే డీప్ లెర్నింగ్ మోడల్స్ను తయారు చేయొచ్చు' అని గుప్తా పేర్కొంది. 'ఒక చిన్న డేటాసెట్, మరింత చిన్న స్థాయి వ్యక్తిగత ప్రాజెక్ట్కు సంబంధించి ఆబ్జెక్ట్ డిటెక్షన్ బాగానే ఉందని నేను భావిస్తున్నాను. ఇది ప్రారంభ దశలోనే ఉన్నప్పటికీ, అవసరమైన వారికి సాయం చేసేందుకు డెవలపర్స్ మరిన్ని హంగులు జోడించి అప్లికేషన్స్ రూపొందిస్తే బాగుంటుంద'ని ప్రియాంజలి గుప్తా చెప్పుకొచ్చింది.
https://www.linkedin.com/embed/feed/update/urn:li:ugcPost:6893945268430016512