Voxel51/WLASL|手语识别数据集|视频分类数据集

WLASL是最大的用于单词级美国手语（ASL）识别的视频数据集，包含2000个常见的ASL单词。作者希望WLASL能够促进手语理解的研究，最终有益于聋哑人和听力正常人群之间的交流。

原始信息汇总

数据集概述

基本信息

• 数据集名称: WLASL
• 数据集大小: 10K<n<100K
• 任务类别: video-classification
• 语言: en
• 许可证: other
• 标签: fiftyone, video, activity-recognition, asl, sign-language
• 样本数量: 11980

数据集描述

WLASL是一个专为Word-Level American Sign Language (ASL)识别设计的大型视频数据集，包含2000个ASL中的常用词汇。该数据集旨在促进手语理解的研究，并最终改善聋人和听觉社区之间的交流。

数据集来源

• 仓库: https://github.com/dxli94/WLASL
• 论文: https://arxiv.org/abs/1910.11006
• 主页: https://dxli94.github.io/WLASL/
• 演示: https://try.fiftyone.ai/datasets/asl-dataset/samples

使用许可

WLASL数据仅限于学术和计算用途，不允许商业使用。数据集受Computational Use of Data Agreement (C-UDA)许可。

引用信息

bibtex @misc{li2020wordlevel, title={Word-level Deep Sign Language Recognition from Video: A New Large-scale Dataset and Methods Comparison}, author={Dongxu Li and Cristian Rodriguez Opazo and Xin Yu and Hongdong Li}, year={2020}, eprint={1910.11006}, archivePrefix={arXiv}, primaryClass={cs.CV} }

@inproceedings{li2020transferring, title={Transferring cross-domain knowledge for video sign language recognition}, author={Li, Dongxu and Yu, Xin and Xu, Chenchen and Petersson, Lars and Li, Hongdong}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition}, pages={6205--6214}, year={2020} }

AI搜集汇总

数据集介绍

构建方式

WLASL数据集的构建基于对美国手语（ASL）中2,000个常用词汇的视频记录。通过精心策划和标注，该数据集旨在为手语识别研究提供丰富的资源。构建过程中，研究者们收集了大量高质量的视频样本，并对其进行了细致的分类和标注，以确保数据集的多样性和代表性。

特点

WLASL数据集以其大规模和高质量的视频样本著称，涵盖了美国手语中的2,000个常用词汇。该数据集不仅在样本数量上具有显著优势，还在视频质量和标注精度上达到了行业领先水平。此外，WLASL数据集的多样性也为其在手语识别领域的广泛应用提供了坚实基础。

使用方法

使用WLASL数据集时，首先需安装FiftyOne工具包，通过Python代码从HuggingFace平台加载数据集。加载后，用户可以通过FiftyOne的应用界面直观地浏览和分析数据。该数据集适用于视频分类和活动识别任务，特别适合于手语理解和识别的研究与应用。

背景与挑战

背景概述

WLASL（World Level American Sign Language）数据集是由Dongxu Li和Hongdong Li等人创建的，旨在推动美国手语（ASL）识别领域的研究。该数据集包含了2,000个常见词汇的手语视频样本，总计11,980个样本，是目前最大的单词级美国手语识别数据集。WLASL的创建不仅填补了手语识别领域数据集的空白，还为聋人和听人社区之间的沟通提供了技术支持。通过提供丰富的手语视频数据，WLASL有望促进手语理解和识别技术的发展，从而在人机交互、教育及社会融合等多个领域产生深远影响。

当前挑战

WLASL数据集在构建过程中面临多重挑战。首先，手语的多样性和复杂性使得数据标注和分类变得极为困难。其次，由于手语的动态性和依赖于上下文的特性，视频数据的采集和处理需要高度的专业知识和技能。此外，确保数据集的多样性和代表性，以覆盖不同年龄、性别和文化背景的手语使用者，也是一个重要的挑战。最后，如何在保护隐私和版权的前提下，合法地收集和使用手语数据，也是该数据集需要解决的关键问题。

常用场景

经典使用场景

在手语识别领域，Voxel51/WLASL数据集的经典使用场景主要集中在视频分类任务中。该数据集包含了2,000个常见的美式手语词汇，为研究人员提供了丰富的资源，以开发和评估手语识别模型。通过分析视频中的手势动作，模型能够准确识别并分类不同的手语词汇，从而推动手语理解和翻译技术的发展。

实际应用

在实际应用中，Voxel51/WLASL数据集被广泛用于开发手语翻译系统和辅助沟通工具。例如，聋人学生可以通过这些系统与教师进行无障碍交流，聋人社区成员也能更方便地与外界沟通。此外，该数据集还支持开发智能手语教学软件，帮助学习者更有效地掌握手语，从而提升社会包容性和互动性。

衍生相关工作

基于Voxel51/WLASL数据集，研究者们开发了多种手语识别模型和算法。例如，Li等人提出的深度学习模型在手语识别任务中取得了显著成果，进一步推动了该领域的发展。此外，该数据集还激发了对手语理解和跨文化交流的深入研究，促进了相关技术的创新和应用，为未来的研究奠定了坚实基础。