โปรแกรมแปลภาษามือเป็นข้อความและเสียงพูด โดยการใช้วิธีการระบุพิกัดตำแหน่งด้วยมีเดียไพพ์
คำสำคัญ:
ภาษามือไทย, การรู้จำภาษามือ, มีเดียไพพ์, โครงข่ายประสาทเทียม, แอลเอสทีเอ็มบทคัดย่อ
ปัจจุบันผู้พิการทางการได้ยินและทางเสียงสามารถพบเห็นได้ทั่วไปในชุมชน โดยเฉพาะประเทศไทยมีจำนวนผู้พิการดังกล่าวเป็นอันดับสองจากทั้งหมดของผู้พิการ บทความนี้ศึกษาประสิทธิภาพของการรู้จำภาษามือไทยด้วย Long Short-Term Memory (LSTM) อัลกอริทึมบนเทคนิคโครงกระดูกของ MediaPipeในการทดลองสามารถแบ่งออกได้ 3 หัวข้อใหญ่: (1) การสะกดด้วยนิ้วสำหรับตัวเลข (1-9), (2) ภาษามือธรรมชาติ จำนวน 20 คำ และ (3) โปรแกรมแปลภาษามือด้วยซอฟต์แวร์ โดยผลการทดลองแสดงความแม่นยำของการสะกดด้วยนิ้วและแบบภาษามือธรรมชาติด้วยโปรแกรมแปลภาษามืออยู่ระหว่าง 94% - 99% และ 80.5% ตามลำดับ
References
กมลา ไกรฤกษ์, “หนังสือคู่มือภาษามือ” พิมพ์ครั้งที่ 1, กรุงเทพฯ: สำนักพิมพ์คุรุสภาลาดพร้าว, 2544.
A. Chaikaew, K. Somkuan and P. Sarapee, “Mobile Application for Thai Sign Language”, in 22nd International Computer Science and Engineering Conference (ICSEC), Chiang Mai, Thailand, 2018, pp. 1-4.
P. Nakjai and T. Katanyukul, “Hand sign recognition for thai finger-spelling: An application of convolution neural network”, Journal of Signal Processing Systems (2019), pp. 131-146.
A. Chaikaew, K. Sornkuan, and T. Yuyen, “Thai Sign Language Recognition: an Application of Deep Neural Network” in International ECTI Northern Section Conference on Electrical, Electronics, Computer and Telecommunications Engineering (ECTI-CON), Cha-am, Thailand, 2021, pp. 128-131.
A. Chaikeaw, “An applied holistic landmark with deep learning for Thai sign language recognition” in International Technical Conference on Circuits/Systems, Computers and Communication (ITC-CSCC), Phuket, Thailand, pp. 1046-1049.
F. Zhang, V. Bazaresky, A. Vakunov et al., “MediaPipe Hand: On-device Real-time Hand Tracking”, in CVPR Workshop on Computer Vision for Augmented and Virtual Reality (CVPR), Seattle, USA, 2020.
G. Anikumar, Fouzia M S, Anisha GS, “Imperative Methodology to Detech the Palm Gestures (American Sign Language) using YOLOv5 and MediaPipe” in 2nd International Conference on Intelligent Technology (CONIT), Hubli, India, 2022, pp. 1-4.
J. Brownlee, “Long Short-Term Memory Networks with Python”, Edition 1.0, Published eBook 2017.
R. Sangpal, T. Gawand, S. Vaykar and N. Madhavi, “JARVIS: An interpretation of AIML with integration of gTTS and Python”, 2nd International Conference on Intelligent Computing, Instrumentation and Control Technology (ICICICT), Kannur, India, 2019, pp. 486-489.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2022 คณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฎสวนสุนันทา
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพ์เป็นลิขสิทธิ์ของคณะวิศวกรรมศาสตร์และเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฎสวนสุนันทา
ข้อความที่ปรากฏในบทความแต่ละเรื่องในวารสารวิชาการเล่มนี้เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่านไม่เกี่ยวข้องกับมหาวิทยาลัยราชภัฎสวนสุนันทา และคณาจารย์ท่านอื่นๆในมหาวิทยาลัยฯ แต่อย่างใด ความรับผิดชอบองค์ประกอบทั้งหมดของบทความแต่ละเรื่องเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะรับผิดชอบบทความของตนเองแต่ผู้เดียว
