تشخیص زبان اشاره هندی با استفاده از حسگرهای پوشیدنی و طبقه بندی چند برچسب
ترجمه نشده

تشخیص زبان اشاره هندی با استفاده از حسگرهای پوشیدنی و طبقه بندی چند برچسب

عنوان فارسی مقاله: تشخیص زبان اشاره هندی با استفاده از حسگرهای پوشیدنی و طبقه بندی چند برچسب
عنوان انگلیسی مقاله: Indian sign language recognition using wearable sensors and multi-label classification
مجله/کنفرانس: کامپیوتر و مهندسی برق – Computers and Electrical Engineering
رشته های تحصیلی مرتبط: مهندسی کامپیوتر و پزشکی
گرایش های تحصیلی مرتبط: هوش مصنوعی، بیوالکتریک
کلمات کلیدی فارسی: زبان اشاره هندی، الکترومیوگرام، واحد اندازه گیری اینرسی، طبقه بندی چند برچسب، تقارن حرکت دست
کلمات کلیدی انگلیسی: Indian sign language - Electromyogram - Inertial measurement unit - Multi-label classification - Hand motion symmetry
نوع نگارش مقاله: مقاله پژوهشی (Research Article)
نمایه: scopus - master journals - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1016/j.compeleceng.2020.106898
دانشگاه: Electronics and Communication Engineering Department, Amity School of Engineering and Technology, Amity University Uttar Pradesh, , India
ناشر: الزویر - Elsevier
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2021
ایمپکت فاکتور: 4.071 در سال 2020
شاخص H_index: 55 در سال 2021
شاخص SJR: 0.579 در سال 2020
شناسه ISSN: 0045-7906
شاخص Quartile (چارک): Q2 در سال 2020
فرمت مقاله انگلیسی: PDF
تعداد صفحات مقاله انگلیسی: 13
وضعیت ترجمه: ترجمه نشده است
قیمت مقاله انگلیسی: رایگان
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
کد محصول: E15278
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
ترجمه فارسی فهرست مطالب

نکات برجسته


خلاصه


چکیده گرافیکی


کلید واژه ها


1. مقدمه


2. ادبیات مرتبط


3. پیشنهاد ISL


4. نتایج تجربی


5. نتیجه گیری


بیانیه مشارکت نویسندگی CRediT


اعلامیه منافع رقابتی


تصدیق


ضمیمه. مواد تکمیلی


داده های تحقیق


منابع

فهرست انگلیسی مطالب

Highlights


Abstract


Graphical abstract


Keywords


1. Introduction


2. Related literature


3. Proposed ISL recognition


4. Experimental results


5. Conclusion


CRediT authorship contribution statement


Declaration of Competing Interest


Acknowledgment


Appendix. Supplementary materials


Research Data


References

نمونه متن انگلیسی مقاله

Abstract


Sign language recognition is often carried out using hierarchical classification approach to reduce complexity and enhance accuracy. In this paper, mutli-label classification is proposed for categorization of a sign based on its lexical attributes followed by final classification of the sign. Results are presented for classification of 100 isolated signs from the Indian sign language recorded using multiple surface electromyogram and inertial measurement units on both the forearms of 10 different signers. Signals from both the hands are processed in an integrated manner to identify static or dynamic state of the two hands. Moreover, symmetry in the motion of two hands is also utilized for sign categorization using novel features. In the classic tree-based categorization of signs, there is error propagation, which results in a classification error of 6.22%. Whereas in the proposed mutli-label classification approach, error propagation is avoided and the average classification error of 2.73% is observed.


1. Introduction


A language provides humans with a structured means to exchange information with each other. While languages like Hindi and English use verbal or written mode of communication, sign languages, on the other hand, involve the use of visual gestures and signs. People with hearing and speech disabilities can communicate more naturally in sign language as compared to verbal languages. However, since most people do not understand sign languages, there is often a communication barrier experienced by a person wishing to converse in sign language. The use of a human interpreter or written form of communication is not always convenient. According to the Census 2001 of the Ministry of Home Affairs [1], there are around 1.26 million deaf people and around 1.64 million people with speech disability in India, while there are only 250 certified sign language interpreters in India. An electronic, wearable sign language recognition system shall be very useful in reducing the communication barrier that exists between a signer and a non-signer. There are several challenges in designing such a system.

  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

تشخیص زبان اشاره هندی با استفاده از حسگرهای پوشیدنی و طبقه بندی چند برچسب
نوشته های مرتبط
مقالات جدید
نماد اعتماد الکترونیکی
پیوندها