<![CDATA[Teknologi sistem deteksi gambar mengalamai perkembangan yang sangat pesat dimana fungsinya yang dapat menyelesaikan masalah utama ,seperti membantu orang dengan gangguan pendengaran yang mengandalkan bahasa isyarat untuk berkomunikasi.Banyak penyandang tunarungu-wicara atau bisu sangat bergantung dengan bahasa isyarat sebagai media komunikasi namun sering mengalami kesulitan saat berkomunikasi dengan masyarakat umum yang tidak memahami bahasa isyarat.Untuk mengatasi masalah tersebut peneliti mengimplementasikan sistem Machine Learning (ML) dengan metode Supervised Learning untuk mendeteksi gerakan bahasa isyarat agar dapat dipahami oleh masyarakat umum. Untuk mengimplementasikan Teknik Machine Learning pada tugas tersebut,peneliti menggunakan SSD Mobile net V2 Pra-Pelatihan yang telah dilatih pada dataset.Untuk mendapatkan model deteksi yang akurat dan konsisten mengklasifikasi bahasa isyarat yang dikembangkan peneliti menggunakan SSD ResNet50 V1 FPN 640X640 yang berfungsi melaksanakan training dan testing gambar kata menggunakan pembelajaran transfer . Orang yang mempraktikkan bahasa isyarat dapat memperoleh manfaat dari pembuatan sistem sistem deteksi bahasa isyarat. Deteksi gerakan tangan akan diteliti dan dievaluasi menggunakan algoritma Computer Vision (CV) sebagai antar muka manusia dan computer. Kumpulan metode pengolahan citra dengan klasifikasi gestur dan manusia menjadi metode terbaik untuk mendeteksi.Tanpa latar belakang atau pencahayaan apapun sistem dapat mengenali gerakan bahasa isyarat dengan akurasi 90%.]]>
Copyrights © 2023
