机构名称：
¥ 1.0
摘要这项研究是由社会在通过手语与言语障碍的人交流的挑战所激发的。尽管手语是对语音社区的重要交流手段，但公众中的许多人不了解手语，使个人之间的互动困难。本研究旨在通过实施计算机视觉技术来克服这些障碍，以通过Android应用将SIBI手语转化为文本。该研究方法涉及通过采访，文献研究和系统开发的数据收集。机器学习培训作为应用程序的后端使用CNN算法，该算法将以张紧型模型存储在tflite格式中。使用SIBI字母数据训练模型的结果的准确性约为81.48％。应用程序测试表明，在明亮的房间条件下，申请准确性达到81.48％，但在昏暗条件下降至76.92％，在户外80.77％的光线充足。该应用程序很难在弱光条件下识别手姿势。本研究的结论提供了建议，通过将数据首先处理成负面或为应用程序添加照明功能，以提高昏暗条件的准确性。希望该应用程序可以为那些难以通过SIBI手语与聋人交流的人们提供解决方案。Metode Penelitian Melibatkan Pengumpulan Data Melalui Wawancara Dan Studi文学，Serta Pengembangan Sistem Menggunakan Pendekatan敏捷。关键字：CNN算法，手语，SIBI，计算机视觉，Android摘要这项研究是由社区在与具有标志的个人交流的挑战所激发的。尽管手语是一种对说话社区社区很重要的交流手段，但公众中的许多人不了解手语，因此很难在个人之间进行互动。本研究旨在通过实施计算机视觉技术来克服这些障碍，以通过Android应用将SIBI手语转化为文本。使用CNN算法作为后端应用程序的机器倾斜训练将以.tflite格式存储为TensorFlow模型。使用SIBI字母数据数据的模型培训结果的准确性约为81.48％。应用程序测试表明，在明亮的房间条件下，申请准确性达到81.48％，但在昏暗条件下降至76.92％，在户外80.77％的光线充足。应用程序难以在弱光条件下识别手姿势。结论本研究通过将数据处理为负面或在应用程序中添加照明功能来提高昏暗条件的准确性。希望该应用程序可以为与SIBI手语沟通困难的人们提供解决方案。关键字：CNN算法，手语，SIBI，计算机视觉，Android
实施计算机视觉以翻译语言字母
主要关键词
相关文件推荐
