dc.creator.ID |
MELO, A. T. |
pt_BR |
dc.creator.Lattes |
http://lattes.cnpq.br/7776699034822334 |
pt_BR |
dc.contributor.advisor1 |
VELOSO, Luciana Ribeiro. |
|
dc.contributor.advisor1ID |
VELOSO, L. R. |
pt_BR |
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2498050002491677 |
pt_BR |
dc.description.resumo |
A forma de comunicação mais utilizada pelos seres humanos é a fala. No entanto, existe
uma parcela da população que possui deficiência auditiva, por isso, utilizam linguagem
gestual para se comunicar com o mundo ao seu redor. A barreira idiomática entre os falantes
de língua faladas e falantes de línguas de sinais marginaliza esta minoria, dificultando
seu acesso a lazer, saúde e educação. Visando a aplicação de reconhecimento de alfabeto
manual de línguas de sinais, foi desenvolvido um sistema de reconhecimento de gestos
estáticos. O sistema foi projetado utilizando uma Rede Neural Convolucional pré-treinada
e uma base de imagens de alfabeto manual da Língua de Sinais Americana. Foram feitos
experimentos com o aumento da base de dados e adição de ruído para o treinamento
da rede. O desempenho desses experimentos foi analisado considerando a aplicação desejada. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
Centro de Engenharia Elétrica e Informática - CEEI |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia Elétrica. |
pt_BR |
dc.title |
Sistema de reconhecimento de gestos para aplicação em reconhecimento de língua de sinais. |
pt_BR |
dc.date.issued |
2018-08 |
|
dc.description.abstract |
The most commonly performed form of communication by humans is speech. However, it
is known that a part of the society is hearing impaired. These people use sign language to
communicate with the world around them. The language barrier between spoken and sign
language brings marginalization to this minority, hindering their access to leisure, health
and education. A static gesture recognition system has been developed in order to identify
manual alphabet signs. The system was designed using a pre-trained Convolutional Neural
Network as well as a dataset of American Sign Language alphabet images. Experiments
were carried out with data augmentation and noise addition for the network training.
These experiments’ performance were analysed considering the desired application. |
pt_BR |
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/18833 |
|
dc.date.accessioned |
2021-05-17T17:34:04Z |
|
dc.date.available |
2021-05-17 |
|
dc.date.available |
2021-05-17T17:34:04Z |
|
dc.type |
Trabalho de Conclusão de Curso |
pt_BR |
dc.subject |
Sistema de reconhecimento de gestos |
pt_BR |
dc.subject |
Língua de sinais - sistema de reconhecimento |
pt_BR |
dc.subject |
Visão computacional |
pt_BR |
dc.subject |
Reconhecimento de imagens |
pt_BR |
dc.subject |
Rede neural convolucional |
pt_BR |
dc.subject |
Transferência de aprendizado |
pt_BR |
dc.subject |
Fine-turning |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Reconhecimento de sinais |
pt_BR |
dc.subject |
Língua Brasileira de Sinais |
pt_BR |
dc.subject |
Língua Gestual Portuguesa |
pt_BR |
dc.subject |
Gesture recognition system |
pt_BR |
dc.subject |
Sign language - recognition system |
pt_BR |
dc.subject |
Computer vision |
pt_BR |
dc.subject |
Image recognition |
pt_BR |
dc.subject |
Convolutional neural network |
pt_BR |
dc.subject |
Learning transfer |
pt_BR |
dc.subject |
Fine-turning |
pt_BR |
dc.subject |
Machine learning |
pt_BR |
dc.subject |
Signal recognition |
pt_BR |
dc.subject |
Brazilian Sign Language |
pt_BR |
dc.subject |
Portuguese Sign Language |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
MELO, Ana Paula Tavares de. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Gesture recognition system for application in sign language recognition. |
pt_BR |
dc.identifier.citation |
MELO, Ana Paula Tavares de. Sistema de reconhecimento de gestos para aplicação em reconhecimento de língua de sinais. 2018. 60f. (Trabalho de Conclusão de Curso - Monografia), Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba - Brasil, 2018. Disponível em: |
pt_BR |