Reza Aditya Saputra, Eddy Ryansyah, Fikri Maulana Setiawan, Chaerur Rozikin

Pendeteksi Bahasa Isyarat Menggunakan TensorFlow dengan Metode Convolutional Neural Network

Introduction

Pendeteksi bahasa isyarat menggunakan tensorflow dengan metode convolutional neural network. Deteksi bahasa isyarat akurat menggunakan TensorFlow & CNN. Model mencapai akurasi 92%+, memfasilitasi komunikasi bagi individu dengan gangguan pendengaran.

Abstract

Pengenalan bahasa isyarat memainkan peran penting dalam memfasilitasi komunikasi bagi individu dengan gangguan pendengaran. Penelitian ini mengusulkan model Convolutional Neural Network (CNN) yang dilatih untuk mengenali pola pada gambar bahasa isyarat dengan tujuan meningkatkan akurasi dan efisiensi sistem pengenalan bahasa isyarat. Model dilatih dalam dua tahap dengan sesi pelatihan pertama mencapai akurasi validasi sekitar 63%, sedangkan sesi pelatihan kedua menghasilkan akurasi validasi yang luar biasa melebihi 92% pada epoch ke-29. Peningkatan yang signifikan ini menunjukkan kemampuan model untuk belajar dan menggeneralisasi pola kompleks dalam gambar bahasa isyarat dengan efektif, menandakan potensinya untuk aplikasi praktis dalam interpretasi bahasa isyarat. Akurasi tinggi yang dicapai oleh model CNN menunjukkan kesesuaiannya untuk digunakan dalam berbagai skenario dunia nyata, seperti teknologi bantu untuk komunitas tunarungu atau sistem otomatisasi yang membutuhkan pengenalan gerakan tangan. Dengan demikian, model CNN yang dilatih ini memiliki potensi sebagai alat berharga dalam meningkatkan aksesibilitas dan efisiensi komunikasi bagi individu yang bergantung pada bahasa isyarat.

Full Text

Comments

You need to be logged in to post a comment.