การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ

This thesis proposes the American Sign Language Alphabet Recognition Using a Static and Dynamic Mixing Technique of Ensemble Classification Combining with Convolutional Neural Networks to recognize the American Sign Language alphabets that have both dynamic and static hand gestures. Sign Language i...

Full description

Saved in:
Bibliographic Details
Main Author: บุศรากร สุพิชยา
Other Authors: ผู้ช่วยศาสตราจารย์ ดร.วาริน เชาวทัต
Format: Theses and Dissertations
Language:other
Published: เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่ 2020
Online Access:http://cmuir.cmu.ac.th/jspui/handle/6653943832/69679
Tags: Add Tag
No Tags, Be the first to tag this record!
Institution: Chiang Mai University
Language: other
id th-cmuir.6653943832-69679
record_format dspace
spelling th-cmuir.6653943832-696792020-08-20T01:03:58Z การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ American Sign Language Alphabet Recognition Using a Static and Dynamic Mixing Technique of Ensemble Classification Combining with Convolutional Neural Networks บุศรากร สุพิชยา ผู้ช่วยศาสตราจารย์ ดร.วาริน เชาวทัต This thesis proposes the American Sign Language Alphabet Recognition Using a Static and Dynamic Mixing Technique of Ensemble Classification Combining with Convolutional Neural Networks to recognize the American Sign Language alphabets that have both dynamic and static hand gestures. Sign Language is an important tool to communicate between people who impaired hearing. So, this model is evaluated to help and interpret the gesture to character or text that normal people is able to understand. Then Generative Adversarial Networks (GANs) method is used to generate the synthetic data to increase the diversity and size of dataset. In this ensemble approach, consists of Convolutional Neural Networks that combined with 3 methods are 1. Support Vector Machine (SVM) 2. k-Nearest Neighbor (k-NN) and 3. Long Short-Term Memory (LSTM), then using the voting method to classify the final output. The experimental results demonstrated that the accuracy of the proposes method is over 99% and also this model can recognize both static and dynamic hand gestures that cover all of American Sign Language alphabet gestures. 2020-08-20T01:03:58Z 2020-08-20T01:03:58Z 2020-06 Thesis http://cmuir.cmu.ac.th/jspui/handle/6653943832/69679 other เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่
institution Chiang Mai University
building Chiang Mai University Library
continent Asia
country Thailand
Thailand
content_provider Chiang Mai University Library
collection CMU Intellectual Repository
language other
description This thesis proposes the American Sign Language Alphabet Recognition Using a Static and Dynamic Mixing Technique of Ensemble Classification Combining with Convolutional Neural Networks to recognize the American Sign Language alphabets that have both dynamic and static hand gestures. Sign Language is an important tool to communicate between people who impaired hearing. So, this model is evaluated to help and interpret the gesture to character or text that normal people is able to understand. Then Generative Adversarial Networks (GANs) method is used to generate the synthetic data to increase the diversity and size of dataset. In this ensemble approach, consists of Convolutional Neural Networks that combined with 3 methods are 1. Support Vector Machine (SVM) 2. k-Nearest Neighbor (k-NN) and 3. Long Short-Term Memory (LSTM), then using the voting method to classify the final output. The experimental results demonstrated that the accuracy of the proposes method is over 99% and also this model can recognize both static and dynamic hand gestures that cover all of American Sign Language alphabet gestures.
author2 ผู้ช่วยศาสตราจารย์ ดร.วาริน เชาวทัต
author_facet ผู้ช่วยศาสตราจารย์ ดร.วาริน เชาวทัต
บุศรากร สุพิชยา
format Theses and Dissertations
author บุศรากร สุพิชยา
spellingShingle บุศรากร สุพิชยา
การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
author_sort บุศรากร สุพิชยา
title การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
title_short การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
title_full การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
title_fullStr การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
title_full_unstemmed การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
title_sort การรู้จำตัวอักษรภาษามือแบบอเมริกันโดยใช้เทคนิคการผสมเชิงสถิตและพลวัตของการจำแนกร่วมกันร่วมกับโครงข่ายประสาทเทียมแบบสังวัตนาการ
publisher เชียงใหม่ : บัณฑิตวิทยาลัย มหาวิทยาลัยเชียงใหม่
publishDate 2020
url http://cmuir.cmu.ac.th/jspui/handle/6653943832/69679
_version_ 1681752764901752832