A low cost learning based sign language recognition system
Düşük hesap karmaşıklığına sahip öğrenme tabanlı işaret dili tanıma sistemi
- Tez No: 534684
- Danışmanlar: PROF. DR. GÖZDE BOZDAĞI AKAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İşaret Dili Tanıma (İDT) insan bilgisayar iletişiminde önemli bir rol alması sebebiyle aktif bir araştırma konusudur. Bu çalışma el, kol ve parmak hareketlerinden oluşan el işaretlerini tanımayı amaçlamaktadır. Bu amaç için öznitelik tabanlı ve Konvolüsyonel Sinir Ağları (CNN) tabanlı iki İDT sistemi gerçeklenmiştir. Öznitelik tabanlı İDT sistemi el bölgesi bölütleme, öznitelik vektörlerini çıkarma, ve SVM kullanarak sınıflandırma aşamalarından oluşmaktadır. CNN tabanlı İDT sistemi ise el bölgesi bölütleme ve CNN aşamalarından oluşmaktadır. Sistemlerin başarımı 8 işaret dili jesti içeren eNTERFACE veritabanı ile test edilmiştir. İki sistemin her aşamasını değerlendirmek için detaylı analiz yapılmıştır. Öznitelik tabanlı sistem ve CNN tabanlı sistem ile sırasıyla %95.31 ve %93.12 tanıma oranı elde edilmiştir. Veritabanı büyüklüğünü artırmak için veri artırma yöntemi kullanıldığında CNN tabanlı sistemin tanıma yüzdesi %94.29'a yükselmiştir.
Özet (Çeviri)
Sign Language Recognition (SLR) is an active area of research due to its important role in Human Computer Interaction (HCI). The aim of this work is to automatically recognize hand gestures consisting of the movement of hand, arm and fingers. To achieve this, we studied two different approaches, namely feature based recognition and Convolutional Neural Networks (CNN) based recognition. The first approach is based on segmentation, feature extraction and classification whereas the second one is based on segmentation and CNN which learns the signs from the image itself. In order to calculate the recognition rate of the systems, tests are conducted using eNTERFACE dataset of 8 American Sign Language (ASL) signs. Detailed analysis is done to evaluate each step of both approaches. Experimental results show that the feature based SLR system and CNN based SLR system achieved recognition rate of 95.31% and 93.12%, respectively. Experimental results also show that CNN based SLR system achieved recognition rate of 94.29% when data augmentation is used to increase the training dataset.
Benzer Tezler
- Acil yardım çağrısı jestlerinin bilgisayarla görü ve derin öğrenme yöntemleriyle gerçek zamanlı tespiti
Real-time detection of emergency call gestures using computer vision and deep learning methods
FERHAT ERDOĞAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED KOTAN
- GPU üzerinde yazılım tabanlı anten gerçeklenmesi
Realization of software-defined antenna on GPU
ABDULLAH BAKIRTAŞ
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SELÇUK PAKER
- Generating a high-definition map (HD MAP) via yolo (you only look once) deep learning-based object detection model
Yolo (you only look once) derin öğrenme tabanli nesne tespit modeli ile yüksek tanimli hari̇ta (HD MAP) oluşturma
YASİN MEMİ
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HANDE DEMİREL
- Deep image prior based high resolution isar imaging for missing data case
Eksik veri için derin görüntü önceli tabanlı yüksek çözünürlüklü tyar görüntüleme
NECMETTİN BAYAR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. IŞIN ERER
- Nöromorfik hesaplama ve memristor tabanlı ağ saldırı tespit sistemleri: Siber güvenlikte yeni yaklaşımlar
Neuromorphic computing and memristor-based network attack detection systems: New approaches in cyber security
YUSUF ETKA KÖYLÜ
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. İLHAN KOCAARSLAN