인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
In this paper, we propose a method to recognize sign language motions using machine learning and RGB image processing techniques. We considered 24 different sign language words and obtained 15 video samples per word, either from public datasets or by direct recording. OpenCV and MediaPipe were used to acquire the key points of the human body skeleton from each video frame, which were then used to build the training data for sign language motion rec- ognition. Two types of training data were used: raw data and feature data. The raw data con- sists of 225 position coordinates, and the feature data consists of 54 rotation- and scale-invariant values. Convolutional neural networks (CNNs) and multilayer LSTM networks were then trained on both types of data to recognize sign language motions, and their effectiveness was evaluated through experiments. The results demonstrated that using the feature data yielded higher accuracy and effectiveness than using the raw data. Additionally, multilayer LSTM net- works outperformed CNNs regardless of the type of data used.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-091218995
