Pengenalan Bahasa Isyarat Tangan Menggunakan Depth Image
Teks penuh
Gambar
Dokumen terkait
Berdasarkan gambar V.17 pengujian dilakukan dengan melakukan gerakan karakter isyarat angka “5”, dengan memakai sarung tangan yang di lengkapi oleh sensor kemudian data
1. Klasifikasi fitur dinamis di dalam perangkat lunak yang dibuat mempunyai akurasi rata-rata yang cukup baik yaitu 82,9%. Grafik hasil akurasi dari masing-masing
1. Klasifikasi fitur dinamis di dalam perangkat lunak yang dibuat mempunyai akurasi rata-rata yang cukup baik yaitu 82,9%. Grafik hasil akurasi dari masing-masing
Untuk skenario uji coba A, pengujian dilakukan secara real time dengan menggunakan fitur statis dan metode L- GCNN. Pengujian untuk setiap huruf dilakukan sebanyak sepuluh kali
Oleh karena itu, diadakan penelitian rancang bangun suatu sistem pembelajaran bagi penderita tunarungu wicara melalui sebuah perangkat lunak dengan harapan
Untuk skenario uji coba A, pengujian dilakukan secara real time dengan menggunakan fitur statis dan metode L-GCNN. Pengujian untuk setiap huruf dilakukan sebanyak
Untuk skenario uji coba A, pengujian dilakukan secara real time dengan menggunakan fitur statis dan metode L-GCNN. Pengujian untuk setiap huruf dilakukan sebanyak sepuluh kali
Khusus untuk pengenalan bahasa isyarat Indonesia berbasis sensor telah dilakukan penelitian oleh Evita [9] dengan menggunakan metode ANN, dimana data- data yang diolah,
