Text

STATIC HAND GESTURE RECOGNITION MENGGUNAKAN MODEL DEEP RESIDUAL NETWORK (RESNET-50)

---

Penilaian

---

Gerakan tangan banyak digunakan di berbagai bidang kehidupan manusia, salah satu diantaranya adalah untuk bahasa isyarat. Sistem pengenalan gerakan tangan merupakan sebuah perangkat lunak yang dirancang untuk mengenali gerakan tangan menggunakan komputer. Umumnya mekanisme pemrosesan dalam sistem ini memerlukan jumlah variabel yang besar, sehingga diperlukan komputer yang dapat mengolah gambar dengan ukuran besar secara baik, akurat dan cepat. Selain itu, permasalahan lain yang dihadapi oleh sistem ini adalah minimnya jumlah data. Penelitian ini bertujuan untuk menyelesaikan dua permasalahan utama tersebut, yaitu menerapkan deep learning untuk mengatasi besarnya ukuran input yang besar, dan selanjutnya menerapkan Data Augmentation untuk mengatasi permasalahan minimnya jumlah data yang tersedia. Adapun deep learning yang digunakan adalah arsitektur ResNet-50. Database yang digunakan dalam penelitian ini berasal dari American Sign Language (ASL). Hasil percobaan menunjukkan bahwa terjadi peningkatan kecepatan pemrosesan dan akurasi pengenalan jika dibandingkan dengan penelitian sebelumnya dengan akurasi pengenalan gambar sebesar 94,30% dan video sebesar 92,50%.

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2207000180	T62719	T627192022	Central Library (Referens)	Available but not for loan - Not for Loan

Detail Information

Series Title

-

Call Number

T627192022

Publisher

Inderalaya : Jurusan Teknik Informatika, Fakultas Ilmu Komputer Universitas Sriwijaya., 2022

Collation

xixii, 105 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

004.650 7

Content Type

-

Media Type

-

Carrier Type

-

Edition

-

Subject(s)

Jurusan Teknik Informatika
Jaringan Komunikasi Komputer

Specific Detail Info

-

Statement of Responsibility

SEPTA

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment