- Tytuł:
- Feature vector or time-series – comparison of gestures representations in automatic gesture recognition systems
- Autorzy:
-
Barczewska, K.
Wójtowicz, W.
Moszkowski, T. - Powiązania:
- https://bibliotekanauki.pl/articles/115720.pdf
- Data publikacji:
- 2015
- Wydawca:
- Fundacja na Rzecz Młodych Naukowców
- Tematy:
-
principal component analysis (PCA)
independent component analysis (ICA)
neural networks
sign language
automatic recognition
analiza składowych głównych (PCA)
analiza składowych niezależnych (ICA)
sieci neuronowe
język migowy
automatyczne rozpoznawanie - Opis:
- In this paper, we performed recognition of isolated sign language gestures - obtained from Australian Sign Language Database (AUSLAN) – using statistics to reduce dimensionality and neural networks to recognize patterns. We designated a set of 70 signal features to represent each gesture as a feature vector instead of a time series, used principal component analysis (PCA) and independent component analysis (ICA) to reduce dimensionality and indicate the features most relevant for gesture detection. To classify the vectors a feedforward neural network was used. The resulting accuracy of detection ranged between 61 to 87%.
- Źródło:
-
Challenges of Modern Technology; 2015, 6, 1; 1-5
2082-2863
2353-4419 - Pojawia się w:
- Challenges of Modern Technology
- Dostawca treści:
- Biblioteka Nauki
Artykuł