лицо состовляло большую часть точек, поэтому было решено его убрать и оставить только позу и руки
первый тест модели дал
Epoch 64: early stopping Restoring model weights from the end of the best epoch: 49.
📊 Результаты на тестовой выборке: Loss : 5.1560 Top-1 Acc : 1.3% Top-5 Acc : 12.5%
✅ Модель сохранена → wlasl_lstm_final.keras
Из изменений убрали лицо и мелкие фиксы в самой модели
📊 Результаты на тестовой выборке: Loss : 2.3920 Top-1 Acc : 41.4% Top-5 Acc : 68.4%
✅ Модель сохранена → wlasl_lstm_final.keras
Attention — это механизм, который позволяет модели понять: 👉 какие части последовательности важнее других
Пример (жесты) Представь жест "hello": первые кадры — рука поднимается середина — сам жест (важно) конец — рука опускается 👉 Attention: фокусируется на середине игнорирует лишнее
Как это выглядит в модели С attention:
LSTM → Attention → Dense → Output
Gradient clipping — это ограничение величины градиентов во время обучения нейросети, чтобы они не “взрывались”.
после всего это поулчаем следующее
📊 Результаты на тестовой выборке: Loss : 1.1822 Top-1 Acc : 81.6% Top-5 Acc : 91.1%
✅ Модель сохранена → wlasl_lstm_final.keras