Thông tin chung

  English

  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác

  Tài liệu tham khảo

  Hiệu chỉnh

 
Số người truy cập: 48,874,855

 Ứng dụng phương pháp phân tích thành phần chính và mạng neuron nhân tạo để nhận dạng ngôn ngữ ký hiệu
abortion stories gone wrong read teenage abortion facts
cvs weekly sale cvs print prescription savings cards
Tác giả hoặc Nhóm tác giả: Huỳnh Hữu Hưng, Tống Thị Hồng Ngọc, Nguyễn Trọng Nguyên
Nơi đăng: Tạp chí Khoa học và Công nghệ Đại học Đà Nẵng; Số: 10(71);Từ->đến trang: 120-125;Năm: 2013
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Ngôn ngữ ký hiệu là ngôn ngữ chính được sử dụng trong cộng đồng người khiếm thính để thay thế cho ngôn ngữ nói truyền thống. Ngoài ra, ngôn ngữ ký hiệu còn được sử dụng trong việc tương tác giữa người và máy. Trong bài báo này, chúng tôi đề xuất một giải pháp nhận dạng ngôn ngữ ký hiệu sựa trên phương pháp phân tích thành phần chính và mạng neuron nhân tạo. Đầu tiên bàn tay được phát hiện, sau đó một số bước tiền xử lý được thực hiện để nâng cao chất lượng ảnh, tiếp đến chúng tôi tính toán một không gian mới để biểu diễn ảnh sao cho số chiều nhỏ hơn không gian ban đầu mà đặc trưng của ảnh vẫn được giữ lại tối đa, cuối cùng mạng neuron nhân tạo được dùng để huấn luyện và nhận dạng ảnh bằng cách ánh xạ ảnh đầu vào vào trong không gian tìm được. Giải pháp này có chi phí tính toán thấp và có thể thực thi việc nhận dạng theo thời gian thực. Kết quả thử nghiệm cho thấy độ ổn định và chính xác cao.
unfaithful spouse infidelity i dreamed my husband cheated on me
ABSTRACT
Sign language is used in the deaf community to replace the traditional spoken language. In addition, sign language is also used in the interaction between people and machines. In this paper, we propose a solution to recognize sign language using the principal component analysis method and artificial neural network. At first, the hand is detected, then some preprocessing steps are taken to improve the image quality, then we determine a new space to represent the hand image with fewer dimensions than the original space and characteristics of the image are kept, and the artificial neural network is used for training and testing with the mapped input image. This solution has low computational cost, and can execute in real-time. The proposed approach has been tested with high accuracy and stability.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn