| Titre : | HAND GESTURE RECOGNITION USING DEEP LEARNING |
| Auteurs : | Lokbani Ahmed Chaouki, Directeur de thèse ; BENYOUCEF Somia, Acteur ; NEHAL Mohamed Feth Allah, Auteur |
| Type de document : | texte imprimé |
| Editeur : | univ DR taher moulay saida, 2023/2024 |
| Format : | 59 p / ill / 29 cm |
| Accompagnement : | CD rom |
| Langues: | Français |
| Catégories : | |
| Mots-clés: | Literature Review ; Gesture Recognition ; Proposed Approaches and Result discussion |
| Résumé : |
Pour les personnes sourdes et malentendantes, la langue des signes, qui est un langage gestuel et facial, est leur langue maternelle. Le système de reconnaissance automatique de la langue des signes (SLR) constitue un pont pour relier le monde sans bruit au monde du son. Ce mémoire porte principalement sur deux langues des signes majeures, à savoir la langue des signes arabe et la langue des signes américaine. Ensuite, nous avons examiné CNN, une technique d’apprentissage profond de haute performance, pour distinguer les deux langues des signes. Les CNN se spécialisent dans la distinction des formes, des postures et des mouvements des mains en utilisant la langue des signes. Nous analyserons les résultats et les défis liés à l'utilisation de différentes architectures CNN telles que Efficientnetb0, LeNet et AlexNet pour la reconnaissance de la ArSL et de l'ASL. Le SLR a le potentiel de changer le monde en permettant la communication au-delà des mots, en facilitant des conversations importantes qui n'ont jamais pu avoir lieu ou qui ont été nécessaires pendant bien trop longtemps. |
| Note de contenu : |
Chapter 01 : Literature Review Chapter 02 : Gesture Recognition Chapter 03 : Proposed Approaches and Result discussion CONCLUSION : Conclusion and Future Work |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
SCT02141 Adobe Acrobat PDF |
