SIBI Sign Language Classification Model
Model ini digunakan untuk mengklasifikasikan gestur tangan Bahasa Isyarat Indonesia (SIBI) berdasarkan gambar atau frame video[cite: 1]. Sistem ini bekerja secara hibrida dengan memadukan YOLO untuk mendeteksi letak tangan (bounding box) dan CNN (Keras) untuk memprediksi kelas kata/huruf SIBI dari hasil potongan (crop) gambar tangan tersebut.
Deskripsi Model
- Arsitektur Utama: CNN (Convolutional Neural Network) yang dibangun menggunakan Keras/TensorFlow.
- Tugas Pemrosesan: Klasifikasi Gambar (Image Classification) untuk potongan area tangan.
- Input: Gambar RGB berukuran
128x128piksel yang telah dinormalisasi (/ 255.0). - Output: 93 kelas yang merepresentasikan huruf alfabet dan kata-kata dalam SIBI.
Dataset
Model ini dilatih menggunakan dataset gambar tangan yang merepresentasikan berbagai macam gestur huruf dan kata dalam Sistem Isyarat Bahasa Indonesia (SIBI)[cite: 1].
Daftar Kelas (93 Kelas)
A, Air, Anak1, Anak2, Apa1, Apa2, B, Bagaimana1, Bagaimana2, Bangun1, Bangun2,
Besok1, Besok2, Bicara, Bisa1, Bisa2, C, Cepat1, Cepat2, Cepat3, D, Datang,
Dengar, Dia, E, F, G, H, I, J, Jalan, K, Kamu, Kapan, Kemarin, Kerja1,
Kerja2, Kita, L, Lambat1, Lambat2, Lelah1, Lelah2, Lihat1, Lihat2, M, Maaf,
Main, Makan, Malam1, Malam2, Mana, Marah1, Marah2, Mau, Mereka1, Mereka2, Minum,
N, Nama, Nanti, O, Orang1, Orang2, P, Pagi, Q, R, Rumah1, Rumah2, S,
Sakit1, Sakit2, Saya, Sedih1, Sedih2, Sekarang, Sekolah1, Sekolah2, Senang,
Siapa, Sudah1, Sudah2, T, Tahu, Teman, Tidak, Tidur, U, V, W, X, Y