简介：摘要：
简介：摘要：在深度学习技术的帮助下，手语识别的创新进展为聋哑人士提供了新的交流可能性。本研究基于ResNet101——一种深度卷积神经网络模型，通过迁移学习的策略，对模型进行了细致的调整和优化，使其更贴合手语的视觉特征。实验包括对部分网络层参数的冻结，输出层的重新设计，以及利用交叉熵损失函数和Adam优化器进行多轮次训练迭代。经过严格的实验验证，调整后的模型在手语图像数据集上表现出优异的准确率，显著提高了手语识别的实用性，进而为聋哑群体的社会融合和交流开辟了新的道路。
移动端基于视觉的手语识别技术的设计与实现
基于移动设备的动态手语识别系统的研究与应用
基于神经网络ResNet101模型在手语识别中的应用
