ВВЕДЕНИЕ 3
1. Анализ предметной области 4
2. Задача обнаружения и распознания 8
3. Сверточные нейронные сети 9
4. Набор данных 13
4.1. Сбор данных 13
4.2. Аугментация 15
5. Модель для обнаружения рук 17
6. Модели для распознавания жестов 19
6.1. Разработка модели 19
6.2. Тестирование разработанной модели 24
ЗАКЛЮЧЕНИЕ 29
СПИСОК ЛИТЕРАТУРЫ 34
ПРИЛОЖЕНИЕ 36
Распознавание жестового языка имеет большую актуальность в настоящее время, так как согласно Всемирной организации здравоохранения, более 5% населения мира, или 430 миллионов человек, страдают потерей слуха [1]. Для людей с нарушением слуха и речи жестовый язык является основным или единственным средством общения, и им необходимо, чтобы они были понимаемы другими людьми, для которых данный язык не знаком. Поэтому имеет большое значение создание систем распознавания жестового языка, которые могут переводить жестовую речь на понятный для всех язык.
Целью выпускной квалификационной работы является создание системы распознавания жестового языка, обладающей хорошей точностью и эффективностью.
Для достижения поставленной цели были сформированы следующие задачи:
1) исследование существующих методов распознавания жестового языка,
2) сбор и обработка данных для обучения и тестирования системы,
3) разработка архитектуры нейронной сети для распознавания жестового языка,
4) обучение и тестирование нейронной сети на подготовленных данных,
5) анализ результатов разработанной системой.
Войти
в кабинет
в кабинет
Пролистайте материалы и убедитесь в качестве
Система распознавания жестового языка. А также похожие готовые работы: страница 7 #9106147
Артикул: 9106147
- Предмет: Программирование
- Уникальность: 67% (Антиплагиат.ВУЗ)
- Разместил(-а): 185 Рамиль в 2023 году
- Количество страниц: 52
- Формат файла: docx
- Последняя покупка: 20.04.2024
999p.
2 000p.
только 24 ноября!
1) ВОЗ: [сайт]. – URL: https://www.who.int/ru/news-room/fact- sheets/detail/deafness-and-hearing-loss (дата обращения 20.05.2023).
2) ООН: [сайт]. – URL: https://www.un.org/ru/observances/sign- languages-day (дата обращения: 20.05.2023).
3) Cyberltninka: [сайт]. – URL: https://cyberleninka.ru/article/n/istoriya- vozniknoveniya-i-rasprostraneniya-zhestovyh-yazykov (дата обращения: 20.05.2023).
4) Niall O’ Mahony. Deep Learning vs. Traditional Computer Vision / Niall O’ Mahony, Sean Campbell, Anderson Carvalho, Suman Harapanahalli, Gustavo Velasco Hernandez, Lenka Krpalkova, Daniel Riordan, Joseph Walsh – Текст : электронный – URL: https://arxiv.org/ftp/arxiv/papers/1910/1910.13796.pdf (дата обращения: 20.05.2023).
5) VitalFlux: [сайт]. – URL: https://vitalflux.com/different-types-of-cnn- architectures-explained-examples/#Different_types_of_CNN_Architectures (дата обращения: 20.05.2023).
6) StackExchange: [сайт]. – URL: https://tex.stackexchange.com/questions/522118/visualizing-matrix-convolution (дата обращения: 20.05.2023).
7) MachineLearningMastery: [сайт]. – URL: https://machinelearningmastery.ru/convolutional-neural-network-for-image- classification-with-implementation-on-python-using-pytorch-7b88342c9ca9/ (дата обращения: 20.05.2023).
8) ИТМО: [сайт]. – URL: http://neerc.ifmo.ru/wiki/index.php?title=Задача_нахождения_объектов_на_изо бражении (дата обращения: 20.05.2023).
9) Tsung-Yi Lin. Feature Pyramid Networks for Object Detection / Tsung- Yi Lin, Piotr Doll ́ar, Ross Girshick, Kaiming He, Bharath Hariharan, Serge Belongie – Текст : электронный – URL: https://arxiv.org/pdf/1612.03144.pdf (дата обращения: 20.05.2023).
10) Fan Zhang. MediaPipe Hands: On-device Real-time Hand Tracking / Fan Zhang Valentin Bazarevsky Andrey Vakunov Andrei Tkachenka George Sung Chuo-Ling Chang Matthias Grundmann – Текст : электронный – URL: https://arxiv.org/pdf/2006.10214.pdf (дата обращения: 20.05.2023).
2) ООН: [сайт]. – URL: https://www.un.org/ru/observances/sign- languages-day (дата обращения: 20.05.2023).
3) Cyberltninka: [сайт]. – URL: https://cyberleninka.ru/article/n/istoriya- vozniknoveniya-i-rasprostraneniya-zhestovyh-yazykov (дата обращения: 20.05.2023).
4) Niall O’ Mahony. Deep Learning vs. Traditional Computer Vision / Niall O’ Mahony, Sean Campbell, Anderson Carvalho, Suman Harapanahalli, Gustavo Velasco Hernandez, Lenka Krpalkova, Daniel Riordan, Joseph Walsh – Текст : электронный – URL: https://arxiv.org/ftp/arxiv/papers/1910/1910.13796.pdf (дата обращения: 20.05.2023).
5) VitalFlux: [сайт]. – URL: https://vitalflux.com/different-types-of-cnn- architectures-explained-examples/#Different_types_of_CNN_Architectures (дата обращения: 20.05.2023).
6) StackExchange: [сайт]. – URL: https://tex.stackexchange.com/questions/522118/visualizing-matrix-convolution (дата обращения: 20.05.2023).
7) MachineLearningMastery: [сайт]. – URL: https://machinelearningmastery.ru/convolutional-neural-network-for-image- classification-with-implementation-on-python-using-pytorch-7b88342c9ca9/ (дата обращения: 20.05.2023).
8) ИТМО: [сайт]. – URL: http://neerc.ifmo.ru/wiki/index.php?title=Задача_нахождения_объектов_на_изо бражении (дата обращения: 20.05.2023).
9) Tsung-Yi Lin. Feature Pyramid Networks for Object Detection / Tsung- Yi Lin, Piotr Doll ́ar, Ross Girshick, Kaiming He, Bharath Hariharan, Serge Belongie – Текст : электронный – URL: https://arxiv.org/pdf/1612.03144.pdf (дата обращения: 20.05.2023).
10) Fan Zhang. MediaPipe Hands: On-device Real-time Hand Tracking / Fan Zhang Valentin Bazarevsky Andrey Vakunov Andrei Tkachenka George Sung Chuo-Ling Chang Matthias Grundmann – Текст : электронный – URL: https://arxiv.org/pdf/2006.10214.pdf (дата обращения: 20.05.2023).
Материалы, размещаемые в каталоге, с согласия автора, могут использоваться только в качестве дополнительного инструмента для решения имеющихся у вас задач,
сбора информации и источников, содержащих стороннее мнение по вопросу, его оценку, но не являются готовым решением.
Пользователь вправе по собственному усмотрению перерабатывать материалы, создавать производные произведения,
соглашаться или не соглашаться с выводами, предложенными автором, с его позицией.
| Тема: | Система распознавания жестового языка |
| Артикул: | 9106147 |
| Дата написания: | 24.05.2023 |
| Тип работы: | Дипломная работа |
| Предмет: | Программирование |
| Оригинальность: | Антиплагиат.ВУЗ — 67% |
| Количество страниц: | 52 |
Скрин проверки АП.ВУЗ приложен на последней странице.
Работа включает в себя только пояснительную записку и листинг программы
Работа включает в себя только пояснительную записку и листинг программы
Файлы артикула: Система распознавания жестового языка. А также похожие готовые работы: страница 7 по предмету программирование
Пролистайте "Система распознавания жестового языка. А также похожие готовые работы: страница 7" и убедитесь в качестве
После покупки артикул автоматически будет удален с сайта до 23.01.2025
Посмотреть остальные страницы ▼
Честный антиплагиат!
Уникальность работы — 67% (оригинальный текст + цитирования, без учета списка литературы и приложений), приведена по системе Антиплагиат.ВУЗ на момент её написания и могла со временем снизиться. Мы понимаем, что это важно для вас, поэтому сразу после оплаты вы сможете бесплатно поднять её. При этом текст и форматирование в работе останутся прежними.
Гарантируем возврат денег!
Качество каждой готовой работы, представленной в каталоге, проверено и соответствует описанию. В случае обоснованных претензий мы гарантируем возврат денег в течение 24 часов.
Утром сдавать, а работа еще не написана?
Через 30 секунд после оплаты вы скачаете эту работу!
Сегодня уже купили 4 работы. Успей и ты забрать свою пока это не сделал кто-то другой!
ПРЕДЫДУЩАЯ РАБОТА
Игровое приложении в жанре «приключения» на unity engine
СЛЕДУЮЩАЯ РАБОТА
Приложение "Виртуальный ассистент" для решения задач распознавания текстов