Issn 2091-5446 ilmiy axborotnoma научный вестник scientific journal

 

---

ILMIY AXBOROTNOMA

INFORMATIKA

2021 - yil, 1 - son 
111 
 
Table 1. Accuracy (in %) of UzSL gestures when applying SIFT feature extraction method using 
different training images 
Classifier 
No. of Training Images 
5 
3 
1 
Min. Dist. 
100 
99.2 
98.9 
k-NN (k=5) 
100 
98.9 
98.9 
SVM 
100 
99.2 
98.9 
In the second scenario, we run an experiment to investigate the effect of changing parameter values 
of SIFT algorithm. We used four training images and the rest images (i.e. 3 images) are used as testing 
images. The accuracy of identification is computed when the Peakthr parameter ranged from 0 to 0.2 and 
different Nangels (2, 4 and 8). Also, we investigated the accuracy when the Psize increased by 4 from 4×4 
to reach to 32×32 (i.e we run this experiment 4 times with different parameters). The results of this 
experiment is shown in Table (2). 
Table 2. Identification rate (in %) of UzSL based on SIFT feature extraction method using four training 
images and different values of Peakthr, Psize and Nangels 
Classifiers 
PeakThr 
Psize 
Nangels 
0 
0.1 
0.2 
4x4 
8x8 
16x16 
32x32 
2 
4 
8 
NN 
100 
97.7 
94.2 
94.2 
99.2 
100 
93.2 
94.2 
98.9 
100 
k-NN 
100 
98.9 
96.3 
96.3 
99.2 
100 
93.6 
96.3 
98.9 
100 
SVM 
100 
99.2 
98.9 
97.7 
100 
100 
94.2 
96.3 
98.9 
100 
In the third scenario, we run an experiment to prove that our proposed system can overcome the 
problems of image rotation in different angels. In this scenario, we used SIFT Feature Extraction Methods; 
and four training images. In the testing phase, the testing images are rotated, then it used to identify the 
UzSL character. Different orientations are used in our experiment, i.e., the images are rotated in the 
following angles: (0
◦
, 45
◦
, 90
◦
, 135
◦
, 180
◦
, 225
◦
, 270
◦ 
315
◦
). The results of this experiment is shown in Table 
(3).