Segmentation Automatique de la Langue des Signes de Belgique Francophone à l’aide de Réseaux Neuronaux Récurrents

Student thesis: Master typesMaster in Computer Science Professional focus in Data Science

Abstract

La recherche linguistique sur la langue des signes a abouti à la création de corpus conséquents. En effet, un des plus importants concerne la langue des signes de Belgique francophone (LSFB) et est issu du travail du LSFB-Lab de l'université de Namur. Ce corpus a motivé le développement d’un dictionnaire contextuel de la LSFB vers le français. L’enjeu d’un tel système est important. Cela permettrait d’aider et d’améliorer l’inclusion des personnes muettes ou malentendantes au sein de la société. Une étape préliminaire à l'automatisation de la traduction de la langue des signes consiste en une segmentation afin de distinguer les signes entre eux au sein de vidéos de discussions continues. Un tel système pourrait également être utilisé afin de faciliter le travail d'annotations de ces vidéos. En effet, l'augmentation de la quantité de données annotées est un facteur clé afin d'améliorer la qualité de la traduction automatique. Ce mémoire présente et évalue un système de segmentation de la langue des signes développé à l’aide de réseaux neuronaux récurrents (RNNs). Ce système est amélioré et évalué de façon incrémentale dans différentes expériences qui mettent en avant l'importance de la prise en compte du phénomène de coarticulation, ainsi que d'une meilleure modélisation des transitions au sein des RNNs. En parallèle, de nouveaux datasets sont créés à partir des vidéos LSFB disponibles, tandis qu'une évaluation de l'importance des articulations des signeurs dans la segmentation est menée.
Date of Award20 Jun 2022
Original languageFrench
Awarding Institution
  • University of Namur
SupervisorBenoît Frénay (Supervisor) & Jerome Fink (Co-Supervisor)

Cite this

'