Sign Language uses manual hand and

Sign Language uses manual hand and body gestures
as well as non-manual facial expressions as a means of
communication between deaf and hearing communities. A
communication divide exists between the deaf and hearing
communities, to the disadvantage of the deaf. This paper explores
the design and implementation of a mobile application for South
African Sign Language recognition. The application connects, via
Bluetooth, to an instrumented glove developed by the University
of Cape Town. The objective is to recognize the manual alphabet
and manual numeric digits that have static gestures (31 signs in
total). Two neural networks (one with a log-sigmoid, and one
with a symmetric Elliott activation function) and a Support
Vector Machine (SVM) were compared. The SVM was chosen
for implementation primarily because of its high accuracy of
99% and its superior robustness. The mobile application is
developed for Android and allows the user to connect to a
Bluetooth glove, display and dictate the classification output and
calibrate the connected glove. On a low-end smartphone, the
classification time did not exceed 45ms, the memory usage did
not exceed 15 MB, and the battery life during typical usage was
approximately 11 hours.

ผลลัพธ์ (ไทย) 1:

ใช้ภาษาท่าทางมือและร่างกายด้วยตนเองรวม-คู่มือหน้านิพจน์เป็นการการสื่อสารระหว่างคนหูหนวกและชุมชนได้ยิน Aมีหารสื่อสารระหว่างคนหูหนวกและการได้ยินชุมชน ข้อเสียของคนหูหนวก สำรวจเอกสารนี้การออกแบบและการใช้งานของโปรแกรมประยุกต์เคลื่อนใต้การจำภาษาแอฟริกา แอพลิเคชันเชื่อมต่อ ผ่านบลูทูธ การมีถุงมือ instrumented พัฒนา โดยมหาวิทยาลัยของเมืองเคปทาวน์ วัตถุประสงค์จะจดจำตัวอักษรด้วยตนเองตัวเลข และตัวเลขด้วยตนเองที่มีรูปแบบคงที่ (31 สัญญาณในรวมทั้งหมด) เครือข่ายประสาทสอง (หนึ่งพร้อมล็อก sigmoid และหนึ่งเอลเลียฟังก์ชันแบบเปิดใช้งาน) และการสนับสนุนเครื่องเวกเตอร์ (SVM) ได้เปรียบเทียบ เลือกการ SVMสำหรับการใช้งานเนื่องจากความแม่นยำที่สูงของ99% และความทนทานที่เหนือกว่า โปรแกรมมือถือพัฒนาหุ่นยนต์ และช่วยให้ผู้ใช้สามารถเชื่อมต่อกับการถุงมือบลูทูธ แสดง และบอกผลการจัดประเภท และปรับเทียบถุงมือเชื่อม บนสมาร์ทโฟนที่ต่ำสิ้นสุด การเวลาที่จัดประเภทไม่เกิน 45ms หน่วยความจำไม่ได้ไม่เกิน 15 MB และแบตเตอรี่ในการใช้งานทั่วไปประมาณ 11 ชั่วโมง

ผลลัพธ์ (ไทย) 2:

เข้าสู่ระบบภาษาที่ใช้มือคู่มือและท่าทางของร่างกาย
เช่นเดียวกับการแสดงออกทางสีหน้าไม่ใช่คู่มือเป็นวิธีการ
สื่อสารระหว่างคนหูหนวกและการได้ยินชุมชน
แบ่งการสื่อสารอยู่ระหว่างหูหนวกและได้ยิน
ชุมชนถึงข้อเสียของคนหูหนวก กระดาษนี้จะสำรวจ
การออกแบบและการดำเนินงานของโปรแกรมมือถือสำหรับใต้
การรับรู้ภาษาแอฟริกัน แอพลิเคชันเชื่อมต่อผ่าน
บลูทู ธ เพื่อถุงมือ instrumented พัฒนาโดยมหาวิทยาลัย
เคปทาวน์ โดยมีวัตถุประสงค์คือการรู้จักตัวอักษรคู่มือ
และตัวเลขที่เป็นตัวเลขคู่มือที่มีท่าทางแบบคงที่ (31 สัญญาณ
ทั้งหมด) สองเครือข่ายประสาท (หนึ่งกับเข้าสู่ระบบ sigmoid และหนึ่ง
ที่มีการเปิดใช้งานฟังก์ชั่นเอลเลียตสมมาตร) และการสนับสนุน
เครื่องเวกเตอร์ (SVM) ถูกนำมาเปรียบเทียบ SVM ได้รับเลือก
สำหรับการดำเนินงานหลักเนื่องจากมีความแม่นยำสูงของ
99% และความทนทานที่เหนือกว่า โปรแกรมมือถือถูก
พัฒนาขึ้นมาสำหรับ Android และช่วยให้ผู้ใช้เชื่อมต่อกับ
ถุงมือ, การแสดงบลูทู ธ และการส่งออกกำหนดจัดหมวดหมู่และ
การสอบเทียบถุงมือเชื่อมต่อ มาร์ทโฟนต่ำสิ้นสุดที่
เวลาการจัดหมวดหมู่ไม่เกิน 45ms ใช้หน่วยความจำไม่
ไม่เกิน 15 MB และแบตเตอรี่ระหว่างการใช้งานโดยทั่วไปคือ
ประมาณ 11 ชั่วโมง