International Conference on Information and Knowledge Technology

فارسی

Home / شانزدهمین کنفرانس بین المللی فناوری اطلاعات و دانش

From Faces to Words: An Efficient Persian Visual Lip Reading

Authors :

Mana Amini¹ Sajjad Aemmi² Azadeh Ashouri³ Reza Akhoundzadeh⁴ Kourosh Hassanzadeh⁵ Mohammad Reza Mohammadi⁶

1- PART AI Research Center 2- PART AI Research Center 3- PART AI Research Center 4- PART AI Research Center 5- PART AI Research Center 6- Iran University of Science and Technology

Keywords :

Lip Reading،Visual Speech Recognition،CTC Loss،LSTM،Video-Based Authentication

Abstract :

Visual speech recognition, or lip reading, is the task of transcribing spoken content directly from video frames of a speaker’s mouth without relying on audio. We develop an end-to-end visual lip reading system that processes cropped mouth regions from video sequences and decodes them into text using recurrent neural networks trained with CTC loss. To extend beyond existing English datasets, we collected and manually annotated a new Persian Lip Reading Dataset (PLRD), providing valuable resources for studying morphologically rich languages. Our experiments show that the proposed system achieves competitive word error rates on our custom Persian dataset. Beyond transcription, the model can also be employed in authentication scenarios, where it verifies whether a spoken phrase in a video matches a given reference text. This demonstrates the potential of lip reading systems not only for accessibility and robust speech recognition in noisy environments, but also for secure user verification.

List of archived papers

یک روش خوشه بندی گره ها برای شبکه های حسگر بی‌سیم با هدف بهبود متوازن سازی بار مبتنی بر تکنیک تاپسیس

راضیه حسین رضایی - فهیمه یزدان پناه

چارچوب بومی پیاده‌سازی حکمرانی داده در رسانه‌های عمومی بر پایه مدل EDM

مریم فتحی - عبدالله امیرخانی - فرشید بهجت محمدی - ملیحه حاجی حسینی

Improving Fog Computing Scalability in Software Defined Network using Critical Requests Prediction in IoT

Hajar Ghanbari

Knowledge Distillation through a Knowledge Representation Approach (Knowledge Engineering)

Mohammad Hadi Safari Nader

Improving Transition Cow Index Accuracy through CatBoost-Based Prediction of First Test-Day Milk Yield

Hoda Safaeipour - Sepehr Ebadi

یک روش کارآمد جهت تشخیص آنلاین حملات DRDoS به سرویس های مبتنی بر UDP درمعماری SDN با استفاده از الگوریتم های یادگیری ماشین

میترا اکبری کهنه شهری - دکتر رضا محمدی - دکتر محمد نصیری میترا اکبری کهنه شهری - رضا محمدی - محمد نصیری -

مکان‌یابی خطاهای کاربردها و خدمات نرم‌افزاری با کمک تولید داده آزمون با نامتغیرهای محتمل

محمد نصرتی مقدم - حسن حقیقی - مجتبی وحیدی اصل

Simulanteus Load Balancing of Servers and Controllers in SDN-based IoMT

Somaye Imanpour - Ahmadreza Montazerolghaem - Saeed Afahari

تحلیل احساسات نظرات کاربران تجارت الکترونیک با استفاده از تکنیک های یادگیری عمیق

محیا دشتیانه - رضا قاسمی یقین

Inner and Outer Bearing Fault Diagnosis of electrical Motors Using a Proposed Algorithm and Vibration Signals

Vahid Safari Dehnavi - Masoud Shafiee

more

Samin Hamayesh - Version 44.5.0