Hand detection in American Sign Language depth data using domain-driven random forest regression

Author(s):  
Zahoor Zafrulla ◽  
Himanshu Sahni ◽  
Abdelkareem Bedri ◽  
Pavleen Thukral ◽  
Thad Starner
2021 ◽  
Vol 8 (2) ◽  
pp. 611-622
Author(s):  
Ningrum Larasati ◽  
Siska Devella ◽  
Muhammad Ezar Al Rivan

Bahasa isyarat memiliki banyak jenis salah satunya yaitu American Sign Language (ASL). Pada Penelitian ini digunakan citra handshape alfabet ASL yang diekstraksi menggunakan fitur Histogram of Oriented Gradient (HOG) selanjutnya fitur yang dihasilkan digunakan untuk klasifikasi Random Forest. Hasil pengujian menunjukan bahwa dengan menggunakan fitur HOG dan metode klasifikasi Random Forest untuk pengenalan ASL memberikan tingkat accuracy yang baik, dengan nilai accuracy overall sebesar 99.10%, nilai rata - rata accuracy per class 77.43%, nilai rata - rata precission 88.81%, dan nilai rata - rata recall 88.65% .


2011 ◽  
Author(s):  
M. Leonard ◽  
N. Ferjan Ramirez ◽  
C. Torres ◽  
M. Hatrak ◽  
R. Mayberry ◽  
...  

2018 ◽  
Author(s):  
Leslie Pertz ◽  
Missy Plegue ◽  
Kathleen Diehl ◽  
Philip Zazove ◽  
Michael McKee

2021 ◽  
Vol 179 ◽  
pp. 541-549
Author(s):  
Andra Ardiansyah ◽  
Brandon Hitoyoshi ◽  
Mario Halim ◽  
Novita Hanafiah ◽  
Aswin Wibisurya

Sign in / Sign up

Export Citation Format

Share Document