в статье представлена реализация нейронной сети для распознавания жестов русской дактильной азбуки и описан процесс ее обучения. Особое внимание уделено разработке алгоритмов автоматического распознавания жестов, основанных на обработке изображений. Кадры видеосъемки жестов подаются на вход нейросети в виде выходных векторов. Нейросеть распознает буквы русского алфавита. Разработанный комплекс предусматривает балльную оценку навыков обучаемых жестовому языку, мотивируя их продолжать обучение. В работе приводится детальное описание математических моделей, используемых для оценки результатов, и механизмов взаимодействия с пользователями. Цель исследования — повышение доступности и эффективности обучения русскому жестовому языку. Разработанная система значительно улучшает процесс обучения языку глухонемых, обеспечивая автоматическое распознавание жестов и эффективную мотивацию обучающихся через игровую механику и четкую оценку результатов.

we implemented a neural network to recognize Russian finger-spelling gestures and described the training process. We developed image-processing procedures for gesture recognition. We used video frames as input vectors for the neural network. The network recognizes Russian finger-spelling. The system provides a scoring method to assess the skills of students learning sign language and motivates them to continue training. We described the mathematical models used to evaluate results and the mechanisms for user interaction. The study aims to improve the accessibility and effectiveness of Russian sign language instruction. The system improves the learning process for deaf and hard-of-hearing users by providing automatic gesture recognition, game-based motivation, and a clear assessment of results.