I
n
d
on
e
s
ian
Jou
r
n
al
o
f
E
lec
t
r
ica
l
E
n
gin
e
e
r
in
g
a
n
d
Com
p
u
t
e
r
S
c
ience
Vo
l
.
36
,
N
o
.
3
,
De
c
e
m
b
e
r
20
24
,
pp.
1
5
83
~1
5
93
I
S
S
N:
2
502
-
4
7
52
,
DO
I
:
10
.
11591/i
j
e
e
cs
.v
36.
i
3
.
pp1
5
83
-
1
5
93
1583
Jou
r
n
al
h
o
m
e
page
:
ht
tp:
//
ij
e
e
cs
.
iaes
c
or
e
.
c
om
R
e
c
ogn
iz
in
g In
d
on
e
si
a
n
si
g
n
l
an
gu
age
(
B
is
i
n
d
o)
ge
st
u
r
e
i
n
c
om
p
le
x b
ac
k
gr
ou
n
d
s
M
u
h
am
m
ad
Al
f
h
i
S
ap
u
t
r
a,
E
r
d
e
f
i
Rak
u
n
F
a
c
ul
t
y
of
C
o
mput
e
r
S
c
i
e
n
c
e
, U
ni
v
e
r
s
it
y
of
I
nd
o
n
e
s
ia
, D
e
p
o
k,
I
ndo
n
e
s
ia
Ar
t
ic
l
e
I
n
f
o
AB
S
T
RA
CT
A
r
ti
c
le
h
is
tor
y
:
R
e
c
e
i
ve
d
J
a
n
2
,
202
4
R
e
vi
s
e
d
A
ug
13
,
202
4
A
c
c
e
pt
e
d
A
ug
26
,
202
4
Si
g
n
l
a
n
g
u
ag
e,
p
art
i
cu
l
ar
l
y
I
n
d
o
n
e
s
i
an
s
i
g
n
l
an
g
u
a
g
e
(
Bi
s
i
n
d
o
),
i
s
v
i
t
al
fo
r
d
e
af
i
n
d
i
v
i
d
u
al
s
,
b
u
t
l
e
ar
n
i
n
g
i
t
i
s
ch
al
l
e
n
g
i
n
g
.
T
h
i
s
s
t
u
d
y
ai
m
s
t
o
d
ev
e
l
o
p
an
au
t
o
m
at
e
d
Bi
s
i
n
d
o
r
ec
o
g
n
i
t
i
o
n
s
y
s
t
em
s
u
i
t
ab
l
e
f
o
r
d
i
v
e
rs
e
b
ack
g
r
o
u
n
d
s
.
Pre
v
i
o
u
s
r
e
s
e
ar
ch
f
o
c
u
s
e
d
o
n
g
r
ee
n
s
c
r
ee
n
b
ack
g
r
o
u
n
d
s
an
d
s
t
ru
g
g
l
e
d
w
i
t
h
n
at
u
ral
o
r
c
o
m
p
l
e
x
b
ack
g
r
o
u
n
d
s
.
T
o
ad
d
r
e
s
s
t
h
i
s
p
ro
b
l
em
,
t
h
e
s
t
u
d
y
p
ro
p
o
s
e
s
u
s
i
n
g
Fas
t
e
r
r
e
g
i
o
n
-
b
as
e
d
c
o
n
v
o
l
u
t
i
o
n
al
n
e
u
r
al
n
e
t
w
o
r
k
s
(
RCN
N
)
an
d
Y
O
L
O
v
5
fo
r
h
a
n
d
an
d
fa
ce
d
e
t
ec
t
i
o
n
,
M
o
b
i
l
e
N
e
t
V
2
f
o
r
f
e
at
u
r
e
e
x
t
rac
t
i
o
n
,
an
d
l
o
n
g
s
h
o
rt
-
t
e
r
m
memo
r
y
(
L
ST
M
)
f
o
r
cl
as
s
i
fi
c
at
i
o
n
.
T
h
e
s
y
s
t
em
i
s
al
s
o
d
e
s
i
g
n
e
d
t
o
f
o
c
u
s
o
n
c
o
m
p
u
t
at
i
o
n
al
e
ffi
ci
e
n
cy
.
Y
O
L
O
v
5
mo
d
e
l
ach
i
ev
e
s
t
h
e
b
e
s
t
re
s
u
l
t
w
i
t
h
a
s
e
n
t
e
n
ce
a
ccu
ra
cy
(SA
cc
)
o
f
4
9
.
2
9
%
an
d
a
w
o
r
d
e
rro
r
rat
e
(W
E
R)
o
f
1
6
.
4
2
%
,
w
i
t
h
a
c
o
m
p
u
t
a
t
i
o
n
a
l
t
i
me
o
f
0
.
0
1
8
8
s
e
co
n
d
s
,
s
u
rp
as
s
i
n
g
t
h
e
b
as
el
i
n
e
m
o
d
e
l
.
A
d
d
i
t
i
o
n
al
l
y
,
t
h
e
s
y
s
t
em
ac
h
i
e
v
ed
a
Sa
c
r
e
B
L
E
U
s
c
o
r
e
o
f
6
7
.
7
7
%
,
d
em
o
n
s
t
rat
i
n
g
i
t
s
e
ff
ec
t
i
v
e
n
e
s
s
i
n
Bi
s
i
n
d
o
r
eco
g
n
i
t
i
o
n
a
c
r
o
s
s
v
ari
o
u
s
b
ac
k
g
ro
u
n
d
s
.
T
h
i
s
re
s
e
ar
c
h
i
m
p
ro
v
e
s
acce
s
s
i
b
i
l
i
t
y
f
o
r
d
e
af
i
n
d
i
v
i
d
u
al
s
b
y
ad
v
an
ci
n
g
au
t
o
m
at
ed
s
i
g
n
l
a
n
g
u
ag
e
rec
o
g
n
i
t
i
o
n
t
ec
h
n
o
l
o
g
y
.
K
e
y
w
o
r
d
s
:
B
i
s
i
ndo
F
a
s
t
e
r
R
C
NN
Obj
e
c
t
de
t
e
c
t
i
o
n
S
i
g
n
l
a
n
gua
g
e
re
c
o
gni
t
i
o
n
YO
L
OV
5
Th
i
s
i
s
a
n
o
p
en
a
c
ces
s
a
r
t
i
c
l
e
u
n
d
e
r
t
h
e
CC
B
Y
-
SA
l
i
cen
s
e.
C
or
r
e
s
pon
din
g
A
u
th
or
:
E
r
de
f
i
R
a
ku
n
F
a
c
u
l
t
y
o
f
C
o
m
put
e
r
S
c
i
e
n
c
e
,
Uni
ve
r
s
i
t
y
o
f
I
n
do
ne
s
i
a
16424
De
po
k
,
W
e
s
t
J
a
v
a
,
I
n
do
n
e
s
i
a
E
m
a
i
l
:
e
f
i
@
cs
.
u
i
.
a
c
.
i
d
1.
I
NT
RODU
C
T
I
ON
C
o
m
m
u
ni
c
a
t
i
o
n
i
s
o
n
e
o
f
t
h
e
e
s
s
e
n
t
i
a
l
a
s
pe
c
t
s
o
f
h
u
m
a
n
l
if
e
.
Ho
we
v
e
r
,
s
o
m
e
pe
o
p
l
e
w
i
t
h
a
c
o
n
d
i
t
i
o
n
s
uc
h
a
s
h
e
a
r
i
n
g
i
m
pa
i
r
m
e
n
t
or
de
a
f
n
e
s
s
h
a
v
e
l
im
i
t
a
t
i
o
ns
i
n
v
e
r
ba
l
c
o
m
m
u
ni
c
a
t
i
o
n
.
P
e
op
l
e
w
i
t
h
s
uc
h
c
o
n
d
i
t
i
o
n
s
us
u
a
l
ly
c
o
m
m
u
ni
c
a
t
e
us
i
n
g
s
i
g
n
lan
gua
g
e
.
T
h
e
r
e
a
r
e
t
wo
s
i
g
n
l
a
n
gua
ge
s
f
o
r
t
h
e
I
ndo
n
e
s
i
a
n
l
a
n
gua
ge
:
t
h
e
I
n
do
n
e
s
i
a
n
s
i
g
n
l
a
n
gu
a
ge
s
y
s
t
e
m
(
S
I
B
I
)
a
n
d
I
n
do
n
e
s
i
a
n
s
i
g
n
l
a
n
gu
a
ge
(
B
i
s
i
ndo
).
R
e
s
e
a
r
c
h
o
n
B
i
s
i
ndo
i
s
s
t
i
ll
l
e
s
s
e
x
t
e
ns
i
ve
t
h
a
n
t
h
a
t
o
n
S
I
B
I
;
t
h
e
r
e
f
o
r
e
,
f
ur
t
h
e
r
de
v
e
l
o
p
m
e
n
t
a
n
d
r
e
s
e
a
r
c
h
a
r
e
n
e
e
de
d.
R
e
s
e
a
r
c
h
o
n
s
i
g
n
l
a
n
gua
ge
r
e
c
o
gni
t
i
o
n
i
s
d
i
v
e
r
s
e
,
wi
t
h
v
a
r
i
o
us
da
t
a
s
e
t
s
a
n
d
m
o
de
l
s
[
1]
.
T
h
e
r
e
a
r
e
t
w
o
c
o
m
m
o
n
a
ppr
o
a
c
h
e
s
to
s
i
g
n
l
a
n
gua
ge
r
e
c
o
gni
t
i
o
n
(
S
L
R
)
r
e
s
e
a
r
c
h
:
vi
s
i
o
n
-
b
a
s
e
d
a
n
d
g
l
o
v
e
-
b
a
s
e
d.
Vi
s
i
o
n
-
b
a
s
e
d
r
e
s
e
a
r
c
h
i
s
c
o
n
s
i
de
r
e
d
m
o
r
e
n
a
t
ur
a
l
a
n
d
r
e
a
l
i
s
t
i
c
b
e
c
a
us
e
i
t
ut
i
li
z
e
s
i
nf
o
r
m
a
t
i
o
n
b
a
s
e
d
o
n
t
h
e
n
a
t
ur
a
l
e
nvi
r
o
nm
e
n
t
[
2]
.
T
h
e
m
a
i
n
d
i
f
f
e
r
e
n
c
e
b
e
t
we
e
n
t
h
e
t
w
o
m
e
t
h
o
ds
i
s
t
h
a
t
t
h
e
vi
s
i
o
n
-
b
a
s
e
d
us
e
s
i
m
a
ge
o
r
v
i
d
e
o
da
t
a
.
M
e
a
n
w
hil
e
,
t
h
e
g
l
o
v
e
-
b
a
s
e
d
s
y
s
t
e
m
us
e
s
s
e
n
s
o
r
s
[
3]
.
F
o
r
t
h
e
vi
s
i
o
n
-
b
a
s
e
d
a
ppr
o
a
c
h
,
s
e
v
e
r
a
l
m
e
t
h
o
ds
c
a
n
b
e
us
e
d,
i
n
c
l
ud
i
ng
pr
i
n
c
i
pa
l
c
o
m
po
ne
n
t
a
n
a
l
ys
i
s
(
P
C
A
)
[
4]
,
hi
dde
n
M
a
r
ko
v
m
o
de
l
(
HM
M
)
[
5]
,
s
uppor
t
v
e
c
t
o
r
m
a
c
hi
ne
(
S
VM
)
[
6]
,
hi
s
t
o
gr
a
m
o
f
o
r
i
e
n
t
e
d
gr
a
di
e
n
t
s
(
Ho
G
)
[
7]
.
I
n
a
dd
i
t
i
o
n
t
o
t
h
o
s
e
m
e
t
h
o
ds
,
de
e
p
l
e
a
r
ni
ng
m
o
de
l
s
a
r
e
a
l
s
o
c
a
n
b
e
us
e
d
f
o
r
t
h
e
s
e
c
a
s
e
s
;
t
h
e
f
r
e
que
n
t
l
y
u
s
e
d
de
e
p
l
e
a
r
ni
ng
m
o
de
l
s
a
r
e
3D
c
o
n
v
o
l
ut
i
o
n
a
l
n
e
ur
a
l
n
e
t
wo
r
k
(
C
NN
)
[
8]
,
ge
n
e
r
a
t
i
v
e
a
d
v
e
r
s
a
r
i
a
l
n
e
t
wo
r
k
(
GA
N
)
[
9]
,
v
a
r
i
a
t
i
o
n
a
l
a
ut
o
e
n
c
o
de
r
(
VA
E
)
[
10
]
,
F
a
s
te
r
r
e
gi
o
n
-
b
a
s
e
d
c
o
n
v
o
l
u
t
i
o
n
a
l
n
e
u
r
a
l
n
e
tw
or
k
(
R
C
NN
)
[
1
1
]
,
[
1
2]
,
y
ou
o
nl
y
l
o
ok
o
n
c
e
(
Y
OL
O
)
[
1
3
]
,
[
1
4]
,
whi
c
h
a
r
e
us
e
d
a
s
h
a
n
d
-
l
o
c
a
t
i
n
g
n
e
tw
or
ks
to
d
e
tec
t
h
a
n
ds
b
e
f
or
e
t
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
p
r
oc
e
s
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
36
,
N
o
.
3
,
De
c
e
m
b
e
r
20
24
:
1
5
83
-
1
5
93
1584
S
L
R
r
e
s
e
a
r
c
h
de
v
e
l
o
p
m
e
n
t
f
o
r
I
n
do
n
e
s
i
a
n
s
i
g
n
l
a
n
gua
ge
s
t
i
l
l
n
e
e
ds
to
b
e
i
m
pr
o
v
e
d,
e
s
pe
c
i
a
ll
y
f
o
r
B
i
s
i
ndo
.
An
S
L
R
s
t
udy
f
o
r
B
i
s
i
ndo
u
t
i
li
z
e
s
t
h
e
YO
L
O
v
3
m
o
de
l
b
ut
i
s
s
t
i
ll
li
mi
t
e
d
to
r
e
c
o
gni
z
i
ng
o
nl
y
t
h
e
a
l
p
h
a
b
e
t
[
15]
.
A
s
t
ud
y
o
n
B
i
s
i
ndo
t
h
a
t
c
a
r
r
i
e
d
o
ut
wo
r
d
-
l
e
ve
l
r
e
c
o
gni
t
i
o
n
w
a
s
do
n
e
,
b
ut
i
t
s
t
i
ll
u
s
e
s
s
k
i
n
c
o
l
o
r
s
e
g
m
e
n
t
a
t
i
o
n
to
e
x
t
r
a
c
t
h
a
n
ds
a
n
d
f
a
c
e
s
[
16]
.
How
e
v
e
r
,
t
h
e
s
t
udy
o
n
B
i
s
i
ndo
i
s
s
t
i
ll
l
im
i
t
e
d
t
o
da
t
a
s
e
t
s
wi
t
h
gr
e
e
n
s
c
r
e
e
n
b
a
c
kgr
o
un
d
o
nl
y
.
S
L
R
r
e
s
e
a
r
c
h
f
o
r
S
I
B
I
h
a
s
s
e
e
n
m
o
r
e
de
v
e
l
o
p
m
e
n
t
t
h
a
n
B
i
s
i
ndo
.
T
h
e
s
t
udy
o
n
S
I
B
I
r
e
c
o
m
m
e
n
ds
a
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
m
o
de
l
,
whic
h
i
s
M
o
bil
e
Ne
t
V2.
T
h
e
r
e
s
e
a
r
c
h
s
t
i
l
l
o
nly
u
s
e
d
s
k
i
n
c
o
l
o
r
s
e
g
m
e
n
t
a
t
i
o
n
t
o
e
x
tr
a
c
t
h
a
n
ds
a
n
d
f
a
c
e
s
[
17]
.
I
t
wa
s
s
u
b
s
e
que
n
t
l
y
pr
o
v
e
n
t
h
a
t
t
h
e
s
y
s
t
e
m
pe
r
f
o
r
m
e
d
we
l
l
o
nly
f
o
r
da
t
a
s
e
t
s
wi
t
h
a
gr
e
e
n
b
a
c
kgr
o
un
d
b
ut
n
e
e
de
d
to
b
e
m
o
r
e
s
u
i
t
a
bl
e
f
o
r
c
o
m
p
l
e
x
or
n
a
t
ur
a
l
ba
c
k
gr
o
un
ds
[
18]
.
C
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
a
r
e
c
r
uc
i
a
l
i
n
s
i
g
n
l
a
n
gua
ge
r
e
c
o
gni
t
i
o
n
r
e
s
e
a
r
c
h
b
e
c
a
u
s
e
r
e
a
l
-
wo
r
l
d
s
i
g
n
l
a
n
gua
ge
da
t
a
o
f
t
e
n
h
a
v
e
a
n
a
t
ur
a
l
b
a
c
kgr
o
un
d,
n
o
t
n
e
c
e
s
s
a
r
i
ly
a
gr
e
e
n
s
c
r
e
e
n
.
T
h
e
r
e
f
o
r
e
,
a
ddr
e
s
s
i
n
g
t
h
e
i
s
s
ue
o
f
c
o
m
p
l
e
x
ba
c
kgr
o
un
ds
be
c
o
m
e
s
e
s
s
e
n
t
i
a
l
.
S
L
R
r
e
s
e
a
r
c
h
o
n
B
i
s
i
ndo
s
t
i
ll
n
e
e
d
s
t
o
r
e
c
o
gn
i
z
e
wo
r
ds
o
r
s
e
n
t
e
n
c
e
s
e
f
f
e
c
t
i
ve
l
y
i
n
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
.
T
h
e
r
e
f
o
r
e
,
t
h
i
s
r
e
s
e
a
r
c
h
a
i
m
s
t
o
d
e
v
e
l
o
p
a
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
ge
r
e
c
o
gni
t
i
o
n
s
y
s
t
e
m
t
h
a
t
pe
r
f
o
r
m
s
we
ll
i
n
c
o
m
p
l
e
x
ba
c
kgr
o
un
ds
.
Obj
e
c
t
de
t
e
c
t
i
o
n
i
s
r
e
qu
i
r
e
d
a
t
t
h
e
i
ni
t
i
a
l
s
t
a
ge
o
f
t
h
e
p
r
o
c
e
s
s
to
a
ddr
e
s
s
t
h
e
i
s
s
ue
o
f
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
.
T
h
e
m
o
de
l
s
u
s
e
d
f
o
r
de
t
e
c
t
i
o
n
a
r
e
F
a
s
t
e
r
R
C
NN
a
n
d
YO
L
O
v
5.
T
h
e
s
e
t
wo
m
o
de
l
s
ha
v
e
d
i
f
f
e
r
e
n
t
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
,
a
s
F
a
s
t
e
r
R
C
NN
i
s
a
t
wo
-
s
t
a
ge
de
t
e
c
to
r
[
19]
,
a
n
d
YO
L
O
v
5
i
s
a
s
i
ng
l
e
-
s
t
a
ge
de
t
e
c
to
r
[
20
]
.
H
o
pe
f
u
ll
y
,
c
o
m
p
a
r
i
n
g
a
n
d
i
n
t
e
gr
a
t
i
n
g
t
h
e
s
e
t
w
o
m
o
de
l
s
i
n
t
o
t
h
e
s
y
s
t
e
m
f
r
a
m
e
wo
r
k
wi
ll
de
t
e
r
m
i
ne
t
h
e
b
e
s
t
m
o
de
l
f
o
r
r
e
c
o
gni
z
i
ng
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
ge
.
T
hi
s
r
e
s
e
a
r
c
h
w
i
ll
a
l
s
o
a
pp
l
y
a
m
e
a
s
ur
e
m
e
n
t
m
e
t
r
i
c
t
h
a
t
h
a
s
n
o
t
b
e
e
n
pr
e
vi
o
us
ly
us
e
d
f
o
r
t
h
i
s
c
a
s
e
,
n
a
m
e
ly
S
a
c
r
e
B
L
E
U
[
21
]
.
S
a
c
r
e
B
L
E
U
i
s
c
l
a
im
e
d
t
o
b
e
m
o
r
e
s
ui
t
a
bl
e
f
o
r
e
va
l
ua
t
i
n
g
l
a
n
gua
ge
t
r
a
n
s
l
a
t
or
s
wh
e
r
e
t
h
e
or
i
g
i
na
l
l
a
n
gua
g
e
a
n
d
t
h
e
t
r
a
n
s
l
a
t
e
d
l
a
n
gua
g
e
h
a
v
e
s
im
il
a
r
l
a
n
gu
a
ge
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
.
2.
P
ROP
OS
E
D
M
E
T
HO
D
T
a
bl
e
1
c
o
n
t
a
i
ns
s
t
udi
e
s
r
e
l
a
t
e
d
to
t
h
i
s
r
e
s
e
a
r
c
h
.
Ge
n
e
r
a
ll
y
,
r
e
c
o
gni
z
i
ng
s
i
g
n
l
a
n
gua
ge
us
i
ng
vi
d
e
o
o
r
im
a
ge
-
b
a
s
e
d
m
e
t
h
o
ds
i
nv
o
l
ve
s
de
t
e
c
t
i
n
g
h
a
n
ds
a
nd
f
a
c
e
s
,
e
x
t
r
a
c
t
i
n
g
f
e
a
t
ur
e
s
,
a
n
d
c
l
a
s
s
if
yi
ng
s
i
g
n
lan
gua
g
e
wo
r
ds
.
I
n
t
h
e
r
e
s
e
a
r
c
h
c
o
n
duc
t
e
d
by
He
[
11]
,
a
m
e
t
h
o
d
wa
s
pr
o
p
o
s
e
d
f
o
r
h
a
n
d
de
t
e
c
t
i
o
n
us
i
ng
F
a
s
t
e
r
R
C
NN
,
whi
c
h
w
i
ll
be
e
m
p
l
o
y
e
d
i
n
t
hi
s
s
t
udy
to
de
t
e
c
t
h
a
n
ds
a
n
d
f
a
c
e
s
.
P
a
dm
a
j
a
e
t
al.
[
22]
a
l
s
o
e
m
p
l
o
y
e
d
a
s
i
mi
l
a
r
m
e
t
h
o
d
b
ut
c
o
ul
d
o
nl
y
d
e
t
e
c
t
s
e
v
e
r
a
l
l
e
t
t
e
r
s
a
n
d
o
n
e
wo
r
d
,
wh
e
r
e
a
s
t
hi
s
r
e
s
e
a
r
c
h
a
i
m
s
t
o
de
t
e
c
t
c
o
m
p
l
e
t
e
s
e
n
t
e
n
c
e
s
.
T
hi
s
s
t
udy
a
l
s
o
ut
i
li
z
e
s
YO
L
O
v
5
a
s
a
l
igh
t
e
r
m
o
de
l
c
o
m
pa
r
e
d
w
i
t
h
F
a
s
t
e
r
R
C
NN
.
T
h
e
m
e
t
h
o
d
f
o
r
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
w
i
ll
ut
i
li
z
e
t
h
e
f
i
nd
i
ngs
f
r
o
m
S
e
t
y
o
n
o
a
n
d
R
a
kun
[
17]
,
whi
c
h
c
o
m
pa
r
e
d
M
o
bi
l
e
Ne
t
V2
a
n
d
R
e
s
Ne
t
50,
c
o
n
c
l
ud
i
ng
t
h
a
t
M
o
bi
l
e
Ne
t
V2
i
s
m
o
r
e
e
f
f
i
c
i
e
n
t
,
e
s
pe
c
i
a
l
ly
f
o
r
i
m
p
l
e
m
e
n
t
a
t
i
o
n
o
n
m
o
bil
e
de
vi
c
e
s
.
T
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
m
e
t
h
o
d
wi
ll
im
p
l
e
m
e
n
t
t
h
e
f
i
nd
in
gs
f
r
o
m
F
a
i
s
a
l
[
16]
,
whi
c
h
t
e
s
t
e
d
v
a
r
i
o
us
l
o
n
g
s
ho
r
t
t
e
r
m
m
e
m
o
r
y
(
L
S
T
M
)
[
23]
c
o
nf
i
gur
a
t
i
o
ns
,
c
o
n
c
l
ud
i
ng
t
h
a
t
a
1
-
l
a
y
e
r
b
i
d
i
r
e
c
t
i
o
n
a
l
L
S
T
M
(
B
i
L
S
T
M
)
i
s
t
h
e
m
o
s
t
e
f
f
e
c
t
i
v
e
f
o
r
B
i
s
i
ndo
.
F
or
e
v
a
l
u
a
t
i
o
n
,
i
n
a
dd
i
t
i
o
n
to
us
i
n
g
m
e
t
r
i
c
s
t
h
a
t
h
a
v
e
b
e
e
n
t
e
s
t
e
d
i
n
pr
e
vi
o
u
s
s
t
udi
e
s
,
n
a
m
e
ly
s
e
n
t
e
n
c
e
a
c
c
ur
a
c
y
(
S
Ac
c
)
a
n
d
wo
r
d
e
r
r
o
r
r
a
t
e
(
W
E
R
)
,
t
hi
s
s
t
ud
y
w
il
l
a
l
s
o
tr
y
o
t
h
e
r
m
e
t
r
i
c
s
,
n
a
m
e
l
y
B
L
E
U
[
24]
a
n
d
S
a
c
r
e
B
L
E
U
[
21]
,
to
de
t
e
r
m
i
ne
whi
c
h
m
e
t
r
i
c
i
s
m
o
s
t
s
ui
t
a
bl
e
f
o
r
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
g
e
r
e
c
o
gni
t
i
o
n
r
e
s
e
a
r
c
h
.
T
a
bl
e
1.
R
e
l
a
t
e
d
w
or
ks
A
ut
ho
r
S
pe
c
i
f
i
c
a
ti
o
n
R
e
ma
r
ks
H
e
[
11]
P
r
o
p
o
s
in
g
a
ha
nd
lo
c
a
ti
ng
n
e
tw
o
r
k
us
in
g
F
a
s
te
r
R
C
N
N
, f
o
ll
o
w
e
d b
y
C
N
N
a
nd
L
S
T
M
T
h
is
pa
pe
r
pr
o
p
o
s
e
s
a
ha
nd
l
oc
a
ti
ng
n
e
tw
o
r
k
t
o
in
it
ia
ll
y
d
e
t
e
c
t
o
nl
y
ha
nd
o
bj
e
c
ts
f
o
r
s
ubs
e
qu
e
nt
s
ig
n
la
ngua
g
e
r
e
c
o
gni
ti
o
n.
T
h
e
s
a
me
pr
in
c
ip
le
i
s
a
ls
o
a
ppl
i
e
d i
n t
h
is
r
e
s
e
a
r
c
h.
P
a
dma
dj
a
e
t
al
.
[
22]
B
ui
ld
in
g
S
L
R
us
in
g
F
a
s
te
r
R
C
N
N
a
nd
R
e
s
N
e
t5
0
T
h
is
pa
pe
r
s
h
o
w
s
th
a
t
th
e
F
a
s
te
r
R
C
N
N
me
th
o
d
c
a
n
be
us
e
d
f
or
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n,
but
th
e
r
e
s
e
a
r
c
h
is
s
ti
ll
li
mi
t
e
d
to
r
e
c
o
gni
z
in
g
o
nl
y
a
f
e
w
l
e
tt
e
r
s
a
nd o
n
e
w
o
r
d.
S
e
t
y
on
o
a
nd
R
a
kun
[
17]
R
e
c
o
gni
z
in
g
w
o
r
d
g
e
s
tu
r
e
in
s
ig
n
s
y
s
t
e
m
f
o
r
I
ndo
n
e
s
ia
n
la
ngua
ge
(
S
I
B
I
)
S
e
nt
e
n
c
e
s
us
in
g
D
e
e
pC
N
N
a
nd B
i
L
S
T
M
T
h
is
pa
pe
r
c
o
mpa
r
e
s
t
h
e
d
e
e
p C
N
N
m
e
th
o
d
s
a
s
a
f
e
a
tu
r
e
e
x
tr
a
c
to
r
a
nd
o
bt
a
in
s
th
e
M
o
bi
l
e
N
e
tV2
m
o
d
e
l
a
s
th
e
f
e
a
tu
r
e
e
x
t
r
a
c
t
or
.
T
hi
s
mo
d
e
l
w
il
l
b
e
us
e
d i
n
th
is
r
e
s
e
a
r
c
h.
D
a
ni
e
ls
e
t
al
.
[
15]
B
ui
ld
in
g
S
L
R
f
or
r
e
c
o
gni
z
in
g
B
is
in
do
a
lp
ha
be
t
us
in
g Y
O
L
O
v
3.
T
h
is
pa
pe
r
us
e
s
th
e
B
is
in
d
o
da
ta
s
e
t,
but
it
is
li
mi
te
d
to
th
e
a
lp
ha
be
t
o
n
l
y
.
F
a
is
a
l
[
16
]
D
e
v
e
l
o
pme
nt
of
I
nd
o
n
e
s
ia
n
s
ig
n
la
ngua
ge
move
m
e
nt
r
e
c
o
gn
it
i
o
n
m
o
de
l
(
B
is
in
d
o
)
u
s
in
g
M
o
bi
l
e
ne
t
v
2
a
s
f
e
a
tu
r
e
e
x
tr
a
c
t
o
r
a
nd
L
S
T
M
a
s
c
la
s
s
if
i
e
r
T
h
e
s
tu
d
y
us
e
s
th
e
B
is
in
do
da
ta
s
e
t
a
nd
pr
o
p
o
s
e
s
a
1
-
la
y
e
r
bi
di
r
e
c
ti
o
na
l
L
S
T
M
a
s
th
e
b
e
s
t
c
la
s
s
i
f
i
c
a
ti
o
n
m
e
th
o
d
f
or
B
is
in
do
.
T
h
is
me
th
o
d w
il
l
b
e
us
e
d
in
t
hi
s
r
e
s
e
a
r
c
h.
N
im
is
ha
a
nd
J
a
c
o
b
[
3
]
D
e
s
c
r
ib
in
g
th
e
S
L
R
a
ppr
o
a
c
h
e
s
in
v
is
i
o
n
-
ba
s
e
d
a
nd
gl
ove
-
ba
s
e
d
m
e
th
o
ds
.
C
o
mpa
r
in
g
f
e
a
tu
r
e
e
x
tr
a
c
ti
o
n a
nd c
la
s
s
if
i
c
a
ti
o
n m
o
d
e
ls
.
F
in
di
ng
th
a
t
Y
O
L
O
is
a
go
o
d
a
nd
f
a
s
t
mo
d
e
l
f
o
r
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n.
T
h
e
a
dv
a
nt
a
g
e
of
Y
O
L
O
in
te
r
ms
of
v
e
r
y
f
a
s
t
de
t
e
c
t
i
o
n t
im
e
w
il
l
b
e
t
e
s
te
d i
n t
hi
s
r
e
s
e
a
r
c
h.
D
im
a
a
nd
A
hme
d
[
20]
U
s
in
g
Y
O
L
O
v
5
A
lg
or
it
hm
t
o
d
e
t
e
c
t
a
nd
r
e
c
o
gni
z
e
A
m
e
r
ic
a
n
s
ig
n l
a
ngua
ge
.
Y
O
L
O
v
5
s
uc
c
e
s
s
f
u
ll
y
r
e
c
o
gn
iz
e
s
s
ig
n
la
ngua
ge
w
it
h
a
n
mAP
of
95%
.
T
hi
s
ve
r
s
io
n
of
Y
O
L
O
w
il
l
b
e
us
e
d i
n t
hi
s
s
tu
d
y
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
R
e
c
ogniz
ing
I
ndone
s
ian
s
ign
language
(
B
is
indo)
ge
s
tur
e
in
…
(
M
uhamm
ad
A
l
f
hi
Saputr
a)
1585
3.
M
E
T
HO
D
T
h
e
m
e
t
h
o
ds
us
e
d
i
n
t
hi
s
s
t
ud
y
c
a
n
b
e
s
e
e
n
i
n
F
i
g
ur
e
1
.
I
n
ge
ne
r
a
l
,
t
h
e
r
e
a
r
e
s
i
x
s
t
a
ge
s
,
na
m
e
ly
da
t
a
pr
e
pa
r
a
t
i
o
n
to
p
r
e
pa
r
e
a
n
d
pr
e
pr
o
c
e
s
s
da
t
a
,
o
bj
e
c
t
de
t
e
c
t
i
o
n
to
de
t
e
c
t
h
a
n
ds
a
n
d
f
a
c
e
s
o
bj
e
c
t
s
us
i
ng
F
a
s
t
e
r
R
C
NN
a
n
d
YO
L
O
v
5
w
i
t
h
t
h
e
e
v
a
l
ua
t
i
o
n
m
a
t
r
i
x
o
f
m
e
a
n
a
v
e
r
a
ge
pr
e
c
i
s
i
o
n
-
i
n
t
e
r
s
e
c
t
i
o
n
o
v
e
r
uni
o
n
(
m
A
P
-
I
o
U
)
,
s
k
i
n
c
o
l
o
r
s
e
g
m
e
n
t
a
t
i
o
n
to
s
e
g
m
e
n
t
o
bj
e
c
t
s
b
a
s
e
d
o
n
s
k
i
n
c
o
l
o
r
us
i
n
g
a
m
u
l
t
i
-
c
o
l
o
r
s
pa
c
e
,
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
us
i
n
g
M
o
bil
e
Ne
t
V2
a
n
d
a
c
c
ur
a
c
y
e
v
a
l
ua
t
i
o
n
m
a
t
r
i
x
,
c
l
a
s
s
if
i
c
a
t
i
o
n
us
i
n
g
L
S
T
M
a
n
d
a
c
c
ur
a
c
y
e
v
a
l
ua
t
i
o
n
m
a
t
r
i
x
,
a
n
d
f
i
na
ll
y
,
e
va
l
u
a
t
i
o
n
,
w
hi
c
h
i
s
t
h
e
f
i
na
l
m
e
a
s
ur
e
m
e
n
t
o
f
t
h
e
s
y
s
t
e
m
w
i
t
h
m
a
t
r
i
c
e
s
i
nc
l
ud
i
ng
S
A
c
c
,
W
E
R
,
a
n
d
e
x
e
c
ut
i
o
n
t
i
m
e
.
E
a
c
h
s
t
a
ge
i
s
f
ur
t
h
e
r
e
l
a
b
o
r
a
t
e
d
i
n
t
h
e
f
o
l
l
o
w
i
ng
s
e
c
t
i
o
n
s
.
F
i
gur
e
1
.
T
h
e
o
v
e
r
a
l
l
pr
o
c
e
s
s
o
f
e
x
p
e
r
i
m
e
n
t
3.
1.
Dat
a
p
r
e
p
ar
at
ion
T
h
e
da
t
a
s
e
t
us
e
d
i
n
t
hi
s
r
e
s
e
a
r
c
h
c
o
ns
i
s
t
s
o
f
a
c
o
l
lec
t
i
o
n
o
f
420
vi
de
o
s
de
m
o
n
s
t
r
a
t
i
n
g
B
i
s
i
nd
o
.
T
h
e
de
vi
c
e
us
e
d
to
r
e
c
o
r
d
t
h
o
s
e
vi
d
e
o
s
i
s
a
S
a
m
s
u
n
g
Ga
l
a
xy
S
9+
w
i
t
h
a
r
e
s
o
l
ut
i
o
n
o
f
1
,
920
×
1
,
080
pi
xe
l
s
a
n
d
30
f
r
a
m
e
s
pe
r
s
e
c
o
n
d.
T
h
i
s
da
t
a
s
e
t
c
o
n
s
i
s
t
s
o
f
f
o
ur
i
nd
i
v
i
dua
l
s
,
t
h
r
e
e
pe
r
f
o
r
m
i
ng
40
s
i
g
n
l
a
n
gu
a
ge
s
e
n
t
e
n
c
e
s
e
a
c
h
a
n
d
t
h
e
f
o
ur
t
h
pe
r
f
o
r
m
i
ng
20
s
i
g
n
l
a
n
gu
a
ge
s
e
n
t
e
n
c
e
s
.
T
h
e
r
e
a
r
e
t
h
r
e
e
vi
d
e
o
s
f
o
r
e
a
c
h
s
e
n
t
e
n
c
e
de
m
o
ns
t
r
a
t
e
d
by
e
a
c
h
i
n
d
i
v
i
dua
l
.
L
o
o
k
a
t
T
a
bl
e
2
i
n
A
ppe
n
d
i
x
f
o
r
t
h
e
de
t
a
i
l
s
a
b
o
ut
t
h
e
da
t
a
s
e
t
.
F
i
gu
r
e
2
i
ll
us
t
r
a
t
e
s
t
h
e
s
t
a
ge
s
o
f
da
t
a
pr
e
pa
r
a
t
i
o
n
.
T
h
e
f
i
r
s
t
s
t
e
p
i
n
da
t
a
pr
e
pa
r
a
t
i
o
n
i
s
c
o
nv
e
r
t
i
n
g
t
h
e
vi
de
o
da
t
a
s
e
t
i
n
t
o
a
c
o
l
l
e
c
t
i
o
n
o
f
f
r
a
m
e
s
.
Ne
x
t
,
t
h
e
pr
o
c
e
s
s
i
nc
l
ud
e
s
c
r
o
ppi
n
g
a
n
d
r
e
s
i
z
i
ng
to
o
b
t
a
i
n
i
m
a
ge
s
w
i
t
h
a
1:1
a
s
pe
c
t
r
a
t
i
o
a
n
d
a
s
i
z
e
o
f
224
×
224
p
i
x
e
l
s
a
n
d
t
h
e
n
a
nn
o
t
a
t
i
n
g
t
h
e
da
t
a
s
e
t
wi
t
h
b
o
un
d
i
ng
bo
x
e
s
f
o
r
t
h
e
r
i
g
h
t
-
h
a
n
d,
l
e
f
t
-
h
a
n
d,
a
n
d
f
a
c
e
o
bj
e
c
t
s
.
Af
t
e
r
th
e
da
t
a
pr
e
pa
r
a
t
i
o
n
,
t
h
e
tot
a
l
n
u
m
be
r
o
f
f
r
a
m
e
s
o
b
t
a
i
n
e
d
is
92,
977.
T
h
e
n
e
x
t
s
t
e
p
i
nv
o
l
v
e
s
l
a
b
e
li
ng
t
h
e
f
r
a
me
da
t
a
s
e
t
wi
t
h
wo
r
ds
f
o
r
e
a
c
h
f
r
a
m
e
.
T
h
e
da
t
a
s
e
t
i
n
c
l
ude
s
152
wor
ds
,
e
a
c
h
l
a
b
e
l
e
d
f
r
o
m
1
to
152,
wi
t
h
l
a
b
e
l
0
r
e
s
e
r
v
e
d
f
o
r
t
r
a
n
s
i
t
i
o
n
s
.
I
n
a
dd
i
t
i
o
n
t
o
t
h
e
or
i
g
i
na
l
da
t
a
s
e
t
wi
t
h
a
gr
e
e
n
s
c
r
e
e
n
ba
c
kgr
o
un
d,
a
da
t
a
s
e
t
wi
t
h
a
c
o
m
p
l
e
x
b
a
c
kgr
o
un
d
wa
s
a
l
s
o
c
o
n
s
t
r
uc
t
e
d.
T
o
c
r
e
a
t
e
t
h
i
s
c
o
m
p
l
e
x
b
a
c
k
gr
o
un
d
da
t
a
s
e
t
,
s
o
m
e
i
m
a
g
e
s
we
r
e
a
pp
l
i
e
d
t
o
r
e
p
l
a
c
e
t
h
e
gr
e
e
ns
c
r
e
e
n
ba
c
kgr
o
un
d
i
n
t
h
e
i
ni
t
i
a
l
da
t
a
s
e
t.
T
h
e
c
h
o
s
e
n
i
m
a
ge
s
c
o
n
t
a
i
n
v
a
r
i
o
us
na
t
ur
a
l
o
bj
e
c
t
s
w
i
t
h
s
k
i
n
c
o
l
o
r
s
,
f
o
r
c
i
n
g
t
h
e
s
y
s
t
e
m
t
o
l
e
a
r
n
m
o
r
e
r
o
b
us
t
l
y
.
F
i
gur
e
3
s
h
o
ws
t
h
e
i
m
a
ge
s
u
s
e
d
a
s
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
f
o
r
t
h
e
c
o
m
p
l
e
x
da
t
a
s
e
t
.
F
i
gur
e
2
.
Da
t
a
pr
e
pa
r
a
t
i
o
n
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
36
,
N
o
.
3
,
De
c
e
m
b
e
r
20
24
:
1
5
83
-
1
5
93
15
86
F
i
gur
e
3
.
I
m
a
ge
s
us
e
d
a
s
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
3.
2
.
Ob
j
e
c
t
d
e
t
e
c
t
ion
B
a
s
e
d
o
n
F
i
gur
e
4,
t
h
e
o
bj
e
c
t
de
t
e
c
t
i
o
n
pr
o
c
e
s
s
i
nv
o
l
v
e
s
t
a
ki
n
g
t
h
e
i
nput
da
t
a
s
e
t
a
n
d
a
nn
o
t
a
t
i
o
n
s
,
r
e
s
i
z
i
ng
i
m
a
ge
s
to
224
×
224,
s
pl
i
t
t
i
n
g
t
h
e
da
t
a
i
nto
tr
a
i
ni
n
g
a
n
d
t
e
s
t
i
n
g
s
e
t
s
wi
t
h
a
n
80%
-
20%
pr
o
p
o
r
t
i
o
n
,
t
r
a
i
ni
ng
t
h
e
F
a
s
t
e
r
R
C
NN
a
n
d
YO
L
O
v
5
m
o
de
l
s
,
c
o
n
duc
t
i
n
g
t
e
s
t
i
n
g,
a
n
d
e
v
a
l
ua
t
i
n
g
us
i
ng
m
AP
-
I
oU.
T
h
e
r
e
a
r
e
t
h
r
e
e
o
bj
e
c
t
c
l
a
s
s
e
s
:
t
h
e
r
i
g
h
t
h
a
n
d,
l
e
f
t
h
a
n
d,
a
n
d
f
a
c
e
.
T
h
e
s
t
ud
y
t
h
a
t
us
e
s
o
nl
y
s
k
i
n
c
o
l
o
r
s
e
gm
e
n
t
a
t
i
o
n
de
m
o
ns
t
r
a
t
e
s
t
h
a
t
i
t
c
a
n
e
f
f
e
c
t
i
v
e
ly
e
x
t
r
a
c
t
h
a
n
d
s
a
n
d
f
a
c
e
s
i
n
da
t
a
s
e
t
s
wi
t
h
a
gr
e
e
n
s
c
r
e
e
n
ba
c
kgr
oun
d
[
18]
.
Ho
we
v
e
r
,
t
h
e
m
e
t
h
o
d
wi
ll
a
l
s
o
t
e
s
t
e
d
o
n
c
o
m
p
l
e
x
da
t
a
s
e
t
s
,
a
n
d
i
t
w
o
ul
d
b
e
t
h
e
b
a
s
e
li
ne
m
e
t
h
o
d
o
f
t
h
i
s
s
t
ud
y
.
F
i
gur
e
4
.
Obj
e
c
t
d
e
t
e
c
t
i
o
n
3.
3
.
S
k
in
c
ol
or
s
e
g
m
e
n
t
at
ion
R
a
hm
a
t
e
t
al
.
[
25]
i
n
t
r
o
duc
e
d
t
h
e
s
k
i
n
s
e
g
m
e
n
t
a
t
i
o
n
m
e
t
h
o
d
us
i
n
g
m
u
l
t
i
-
c
o
l
o
r
s
pa
c
e
,
whi
c
h
c
o
m
bi
ne
s
t
h
r
e
e
c
o
l
o
r
s
pa
c
e
s
:
Nor
m
a
li
z
e
d
R
GB
,
HSV,
a
n
d
YC
b
C
r
.
T
h
e
s
c
h
e
m
a
f
o
r
s
ki
n
c
o
l
o
r
s
e
g
m
e
n
t
a
t
i
o
n
c
a
n
be
s
e
e
n
i
n
F
i
gur
e
5.
S
ub
s
e
que
n
t
l
y
,
F
i
gur
e
6
d
i
s
p
l
a
y
s
t
h
e
r
e
s
u
l
t
s
o
f
t
h
e
s
e
g
m
e
n
t
a
t
i
o
n
.
T
h
e
f
i
gur
e
c
o
n
s
i
s
t
s
o
f
t
w
o
s
ubf
i
gur
e
s
:
F
i
gur
e
6
(
a
)
s
e
gm
e
n
t
a
t
i
o
n
r
e
s
ul
t
s
w
i
t
h
o
u
t
o
bj
e
c
t
de
t
e
c
t
i
o
n
a
n
d
F
i
gur
e
6
(
b
)
s
e
g
m
e
n
t
a
t
i
o
n
r
e
s
u
l
t
s
w
i
t
h
o
bj
e
c
t
de
t
e
c
t
i
o
n
.
T
h
e
d
i
f
f
e
r
e
n
c
e
i
n
s
e
g
m
e
n
t
a
t
i
o
n
r
e
s
u
l
t
s
o
n
a
c
o
m
p
l
e
x
b
a
c
kgr
o
un
d
i
s
a
ppa
r
e
n
t
b
e
t
we
e
n
t
h
e
m
e
t
h
o
d
o
nl
y
r
e
l
yi
ng
o
n
s
k
i
n
c
o
l
o
r
s
e
g
m
e
n
t
a
t
i
o
n
a
s
s
h
o
wn
i
n
F
i
gur
e
6
(
a
)
a
n
d
t
h
e
o
n
e
c
o
n
t
a
i
ni
ng
o
bj
e
c
t
de
t
e
c
t
i
o
n
be
f
o
r
e
s
k
i
n
c
o
l
o
r
s
e
gm
e
n
t
a
t
i
o
n
a
s
s
h
o
w
n
i
n
F
i
gur
e
6
(
b
)
.
T
h
e
m
e
t
h
o
d
w
i
t
h
o
u
t
o
bj
e
c
t
de
t
e
c
t
i
o
n
i
n
F
i
gur
e
6
(
a
)
s
t
i
ll
c
a
pt
ur
e
s
ot
h
e
r
o
bj
e
c
t
s
i
n
t
h
e
b
a
c
kgr
o
un
d.
I
n
c
o
n
t
r
a
s
t,
t
h
e
us
e
o
f
o
bj
e
c
t
de
t
e
c
t
i
o
n
i
n
F
i
gur
e
6
(
b
)
e
n
s
ur
e
s
pr
e
c
i
s
e
s
e
g
m
e
n
t
a
t
i
o
n
l
im
i
t
e
d
t
o
t
h
e
h
a
n
d
s
a
n
d
f
a
c
e
s
o
f
t
h
e
pe
r
f
o
r
m
e
r
,
a
s
i
n
t
e
n
de
d
.
F
i
gur
e
5
.
S
ki
n
c
o
l
o
r
s
e
g
m
e
n
t
a
t
i
o
n
(
a
)
(
b
)
F
i
gur
e
6
.
C
o
m
pa
r
i
s
o
n
o
f
s
e
g
m
e
n
t
a
t
i
o
n
r
e
s
u
l
t
s
(
a
)
w
i
t
h
o
ut
o
bj
e
c
t
de
t
e
c
t
i
o
n
a
n
d
(
b
)
w
i
t
h
o
bj
e
c
t
de
t
e
c
t
i
o
n
3.
4
.
F
e
at
u
r
e
e
x
t
r
ac
t
ion
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
R
e
c
ogniz
ing
I
ndone
s
ian
s
ign
language
(
B
is
indo)
ge
s
tur
e
in
…
(
M
uhamm
ad
A
l
f
hi
Saputr
a)
1587
F
i
gur
e
7
d
i
s
p
l
a
y
s
h
o
w
t
h
e
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
i
s
pe
r
f
o
r
m
e
d.
T
h
e
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
m
o
de
l
l
e
a
r
ns
f
e
a
t
ur
e
s
f
r
o
m
t
h
e
da
t
a
s
e
t,
ge
n
e
r
a
t
e
s
a
m
o
de
l
,
a
n
d
th
e
n
a
pp
li
e
s
i
t
to
t
h
e
da
t
a
s
e
t
f
o
r
e
x
t
r
a
c
t
i
o
n
.
T
hi
s
s
tud
y
us
e
s
M
o
bi
l
e
Ne
t
V2
f
o
r
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
.
I
t
e
m
p
l
o
y
s
t
r
a
n
s
f
e
r
l
e
a
r
ni
ng,
r
e
t
r
a
i
ni
ng
t
h
e
pr
e
-
t
r
a
i
n
e
d
M
o
bil
e
Ne
t
V2
m
o
de
l
o
n
t
hi
s
r
e
s
e
a
r
c
h
da
t
a
s
e
t
.
T
hi
s
f
e
a
t
ur
e
e
x
t
r
a
c
ti
o
n
pr
o
c
e
s
s
pr
o
d
uc
e
s
a
n
o
u
t
pu
t
v
e
c
to
r
wi
t
h
a
s
i
z
e
o
f
1
,
280.
F
i
gur
e
7
.
F
e
a
t
ur
e
s
e
x
t
r
a
c
t
i
o
n
3.
5
.
Cl
as
s
if
i
c
at
ion
B
a
s
e
d
o
n
F
i
gur
e
8
,
t
h
e
m
o
de
l
us
e
d
f
o
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
i
s
L
S
T
M
.
T
h
e
L
S
T
M
a
r
c
hi
t
e
c
t
ur
e
us
e
d
i
s
a
1
-
l
a
y
e
r
Bi
L
S
T
M
,
t
h
e
b
e
s
t
a
r
c
hi
t
e
c
t
ur
e
f
o
r
r
e
c
o
gni
z
in
g
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
ge
[
16]
.
L
S
T
M
i
s
a
s
e
q2s
e
q
m
o
de
l
r
e
qu
i
r
i
n
g
t
h
e
s
a
m
e
i
nput
a
n
d
o
ut
pu
t
s
e
que
n
c
e
l
e
ngt
h
.
T
h
e
l
e
n
gt
h
o
f
t
h
e
i
nput
s
e
que
nc
e
,
i
n
t
hi
s
c
a
s
e
,
i
s
t
e
n
.
T
h
a
t
m
e
a
n
s
e
a
c
h
l
a
b
e
l
i
n
e
a
c
h
s
e
n
t
e
n
c
e
w
i
ll
b
e
r
e
p
r
e
s
e
n
t
e
d
w
i
t
h
t
e
n
f
r
a
m
e
s
.
T
h
e
v
a
l
ue
t
e
n
i
s
de
r
i
ve
d
f
r
o
m
t
h
e
a
v
e
r
a
ge
l
e
n
gt
h
o
f
f
r
a
m
e
s
f
o
r
e
a
c
h
l
a
b
e
l
.
F
i
gur
e
8
.
C
l
a
s
s
if
i
c
a
t
i
o
n
3.
6
.
E
val
u
at
ion
T
hi
s
r
e
s
e
a
r
c
h
c
o
n
duc
t
s
a
qua
n
t
i
t
a
t
i
ve
e
v
a
l
u
a
t
i
o
n
a
s
f
o
l
l
o
ws
:
m
A
P
t
o
a
s
s
e
s
s
t
h
e
pe
r
f
o
r
m
a
n
c
e
of
t
h
e
o
bj
e
c
t
de
t
e
c
t
i
o
n
m
o
de
l
by
c
o
m
pa
r
i
n
g
gr
o
un
d
t
r
u
th
w
i
t
h
I
o
U
a
r
e
a
[
26
]
;
S
A
c
c
t
o
m
e
a
s
ur
e
t
h
e
a
c
c
ur
a
c
y
o
f
t
h
e
c
l
a
s
s
if
i
e
d
s
e
n
t
e
n
c
e
s
;
a
n
d
W
E
R
to
de
t
e
r
m
i
ne
t
h
e
l
e
v
e
l
o
f
wo
r
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
e
r
r
o
r
s
i
n
a
s
s
e
s
s
i
n
g
t
h
e
c
l
a
s
s
if
i
c
a
t
i
o
n
r
e
s
u
l
t
s
[
27]
.
T
h
e
f
o
r
m
u
l
a
s
to
c
a
l
c
u
l
a
t
e
m
A
P
,
W
E
R
,
a
n
d
S
A
c
c
a
r
e
:
=
1
∑
=
1
(
1)
=
+
+
=
+
+
(
2)
=
(
3)
I
n
t
hi
s
c
o
n
t
e
x
t
,
(
s
ub
s
t
i
t
u
t
i
o
ns
)
r
e
pr
e
s
e
n
t
s
t
h
e
tot
a
l
n
u
m
be
r
o
f
s
ubs
t
i
t
u
t
i
o
ns
,
wh
e
r
e
e
a
c
h
i
ns
t
a
n
c
e
i
nv
o
l
ve
s
r
e
p
l
a
c
i
ng
a
wo
r
d
i
n
t
h
e
s
e
n
t
e
nc
e
w
i
t
h
a
d
i
f
f
e
r
e
n
t
o
n
e
.
D
(
de
l
e
t
i
o
ns
)
r
e
pr
e
s
e
n
t
s
t
h
e
tot
a
l
n
u
m
be
r
o
f
de
l
e
t
i
o
ns
,
r
e
f
e
r
r
i
n
g
t
o
w
o
r
ds
t
h
a
t
a
ppe
a
r
i
n
t
h
e
o
r
i
g
i
na
l
s
e
n
t
e
n
c
e
b
ut
a
r
e
m
i
s
s
i
n
g
i
n
t
h
e
pr
e
d
i
c
t
i
o
n
.
T
h
e
v
a
r
i
a
bl
e
I
(
i
ns
e
r
t
i
o
ns
)
r
e
pr
e
s
e
n
t
s
t
h
e
n
u
m
be
r
o
f
i
n
s
e
r
t
i
o
n
s
,
w
hi
c
h
a
r
e
wo
r
ds
n
o
t
pr
e
s
e
n
t
i
n
t
h
e
o
r
i
g
i
na
l
s
e
n
t
e
n
c
e
b
ut
i
n
c
l
ud
e
d
i
n
t
h
e
pr
e
d
i
c
t
i
o
n
.
C
(
c
o
r
r
e
c
t
wo
r
ds
)
i
n
d
i
c
a
t
e
s
t
h
e
c
o
un
t
o
f
wo
r
ds
t
h
a
t
a
r
e
c
o
r
r
e
c
t
i
n
t
h
e
pr
e
d
i
c
t
i
o
n
.
F
i
na
ll
y
,
N
(
n
u
m
be
r
o
f
wo
r
ds
)
i
s
t
h
e
tot
a
l
n
u
m
be
r
o
f
wo
r
ds
i
n
t
h
e
r
e
f
e
r
e
n
c
e
s
e
n
t
e
n
c
e
,
a
n
d
i
t
e
qua
l
s
t
h
e
s
u
m
o
f
,
,
a
n
d
.
A
hi
g
h
e
r
WE
R
v
a
l
ue
i
n
d
ica
t
e
s
a
w
o
r
s
e
s
y
s
t
e
m
pe
r
f
o
r
m
a
n
c
e
.
C
o
n
ve
r
s
e
ly
,
f
o
r
S
A
cc
,
a
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
36
,
N
o
.
3
,
De
c
e
m
b
e
r
20
24
:
1
5
83
-
1
5
93
1588
hi
g
h
e
r
v
a
l
ue
i
nd
i
c
a
t
e
s
b
e
t
t
e
r
s
y
s
t
e
m
pe
r
f
o
r
m
a
nc
e
.
T
h
e
o
v
e
r
a
l
l
s
y
s
t
e
m
w
il
l
b
e
a
s
s
e
s
s
e
d
by
t
e
s
t
i
n
g
i
t
o
n
t
h
e
e
n
t
i
r
e
t
e
s
t
da
t
a
s
e
t
,
us
i
n
g
t
h
e
f
o
l
l
o
w
i
ng
f
o
r
m
u
l
a
to
e
v
a
l
ua
t
e
i
t
s
pe
r
f
o
r
m
a
n
c
e
.
I
n
a
dd
i
t
i
o
n
to
t
h
e
m
e
t
r
i
c
s
,
t
h
e
e
x
pe
r
im
e
n
t
s
c
a
l
c
u
l
a
t
e
t
h
e
pr
o
c
e
s
s
i
n
g
t
i
m
e
,
whi
c
h
c
o
n
s
i
s
t
s
o
f
t
h
e
i
nf
e
r
e
n
c
e
t
i
m
e
o
r
t
h
e
t
i
m
e
i
t
t
a
ke
s
f
o
r
t
h
e
s
y
s
t
e
m
to
p
r
o
c
e
s
s
o
n
e
i
n
put
da
t
a
a
n
d
pr
o
duc
e
a
n
out
pu
t.
=
∑
(
4)
=
∑
(
5)
T
h
e
ot
h
e
r
e
v
a
l
ua
t
i
o
n
m
e
t
h
o
d
us
e
d
i
s
S
a
c
r
e
B
L
E
U
[
21]
.
T
hi
s
e
v
a
l
u
a
t
i
o
n
m
e
t
h
o
d
h
a
s
y
e
t
to
b
e
us
e
d
i
n
pr
e
vi
o
us
r
e
s
e
a
r
c
h
o
n
I
n
do
n
e
s
i
a
n
s
i
g
n
l
a
n
gua
g
e
.
S
a
c
r
e
B
L
E
U
m
e
a
s
ur
e
s
h
o
w
c
l
o
s
e
l
y
a
s
y
s
t
e
m
's
t
r
a
n
s
l
a
t
i
o
n
o
r
pr
e
d
i
c
t
i
o
n
a
ppr
o
a
c
h
e
s
t
h
e
r
e
f
e
r
e
n
c
e
o
r
g
r
o
un
d
tr
u
t
h
.
H
o
we
v
e
r
,
S
a
c
r
e
B
L
E
U
wi
l
l
b
e
t
r
i
e
d
f
o
r
s
i
g
n
l
a
n
gua
g
e
r
e
c
o
gni
t
i
o
n
i
n
t
hi
s
c
a
s
e
.
He
r
e
i
s
t
h
e
f
o
r
m
u
l
a
.
=
∗
(
∑
.
(
)
=
1
)
(
6)
3.
7
.
E
x
p
e
r
im
e
n
t
d
e
s
ign
T
hi
s
s
t
ud
y
e
v
a
l
ua
t
e
s
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
a
s
y
s
t
e
m
w
i
t
h
o
bj
e
c
t
de
t
e
c
t
i
o
n
ve
r
s
us
o
n
e
w
i
t
h
o
ut,
us
i
ng
b
o
t
h
gr
e
e
n
s
c
r
e
e
n
a
n
d
c
o
m
p
l
e
x
b
a
c
kgr
o
un
d
da
t
a
s
e
t
s
.
S
i
x
e
x
pe
r
i
m
e
n
t
s
we
r
e
c
o
n
duc
t
e
d:
t
h
e
f
i
r
s
t
t
w
o
wi
t
h
o
ut
o
bj
e
c
t
de
t
e
c
t
i
o
n
(
s
e
r
vi
ng
as
b
a
s
e
l
i
ne
s
)
a
n
d
t
h
e
n
e
xt
f
o
ur
us
i
n
g
F
a
s
t
e
r
R
C
NN
a
n
d
YO
L
Ov
5
f
o
r
h
a
n
d
a
n
d
f
a
c
e
de
t
e
c
t
i
o
n
a
c
r
o
s
s
b
o
t
h
da
t
a
s
e
t
s
.
R
e
s
u
l
t
s
we
r
e
c
o
m
p
a
r
e
d
to
a
s
s
e
s
s
i
m
pr
o
v
e
m
e
n
t
,
wi
t
h
t
h
e
A
NO
V
A
s
i
g
nif
i
c
a
n
c
e
t
e
s
t
us
e
d
f
o
r
e
v
a
l
ua
t
i
o
n
.
4.
RE
S
U
L
T
S
AN
D
DI
S
CU
S
S
I
ON
T
hi
s
s
t
ud
y
e
x
a
mi
ne
d
t
h
e
im
pa
c
t
o
f
o
bj
e
c
t
de
t
e
c
t
i
o
n
m
e
t
h
o
ds
o
n
s
i
g
n
l
a
n
gua
g
e
r
e
c
o
gni
t
i
o
n
a
c
c
ur
a
c
y
i
n
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
.
P
r
e
vi
o
us
r
e
s
e
a
r
c
h
h
a
s
f
o
c
us
e
d
o
n
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
a
n
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
b
u
t
h
a
s
n
o
t
e
x
p
l
o
r
e
d
t
h
e
c
o
m
bi
na
t
i
o
n
o
f
t
h
e
s
e
w
i
t
h
o
bj
e
c
t
de
tec
t
i
o
n
i
n
c
h
a
ll
e
n
g
i
ng
e
nvi
r
o
nm
e
n
t
s
.
A
s
s
h
o
wn
i
n
T
a
bl
e
3,
b
o
t
h
F
a
s
t
e
r
R
C
NN
a
n
d
YO
L
O
v
5
e
f
f
e
c
t
i
ve
l
y
de
t
e
c
t
r
i
g
h
t
-
h
a
n
d,
l
e
f
t
-
ha
n
d,
a
n
d
f
a
c
e
o
bj
e
c
t
s
i
n
gr
e
e
n
s
c
r
e
e
n
a
n
d
co
m
p
l
e
x
b
a
c
kgr
o
un
ds
.
YO
L
O
v
5
o
ut
pe
r
f
o
r
m
e
d
F
a
s
t
e
r
R
C
NN
i
n
b
o
t
h
s
e
tt
i
n
g
s
,
a
c
hi
e
vi
ng
hi
g
he
r
m
AP
s
c
o
r
e
s
a
n
d
f
a
s
t
e
r
pr
o
c
e
s
s
i
n
g
t
i
m
e
s
.
S
ub
s
e
qu
e
n
t
m
e
a
s
ur
e
m
e
n
t
s
f
o
c
us
e
d
o
n
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
.
T
a
bl
e
3
.
Obj
e
c
t
de
t
e
c
t
i
o
n
r
e
s
u
l
t
D
a
ta
s
e
t
mAP
T
im
e
F
a
s
te
r
R
C
N
N
Y
O
L
O
v
5
F
a
s
te
r
R
C
N
N
Y
O
L
O
v
5
G
r
e
e
ns
c
r
e
e
n ba
c
kg
r
o
und
71.9%
74.1%
0.0236 s
0.0125
s
C
o
mpl
e
x
ba
c
kgr
o
und
71.3%
74.1%
0.0251 s
0.0138
s
Dur
i
n
g
f
e
a
t
ur
e
e
x
t
r
a
c
t
i
o
n
w
i
t
h
M
o
bil
e
Ne
t
V2,
F
a
s
t
e
r
R
C
NN
s
h
o
we
d
de
c
r
e
a
s
e
d
a
c
c
ur
a
c
y
,
w
hil
e
YO
L
O
v
5
'
s
a
c
c
ur
a
c
y
im
pr
o
v
e
d.
T
h
e
b
a
s
e
li
ne
m
e
t
h
o
d,
whi
c
h
s
k
i
p
s
o
bj
e
c
t
de
t
e
c
t
i
o
n
,
pe
r
f
o
r
m
e
d
b
e
s
t
o
n
gr
e
e
n
s
c
r
e
e
n
b
a
c
kgr
o
un
ds
b
ut
YO
L
Ov
5
e
xc
e
ll
e
d
i
n
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
.
T
h
e
b
a
s
e
li
ne
m
o
de
l
wa
s
a
l
s
o
t
h
e
f
a
s
t
e
s
t
due
to
t
h
e
a
bs
e
n
c
e
o
f
o
bj
e
c
t
de
t
e
c
t
i
o
n
.
De
t
a
il
e
d
r
e
s
u
l
t
s
a
r
e
i
n
T
a
bl
e
4.
T
a
bl
e
4
.
F
e
a
t
ur
e
e
x
tr
a
c
t
i
o
n
r
e
s
u
l
t
E
x
p
e
r
im
e
n
ts
G
r
e
e
ns
c
r
e
e
n ba
c
kg
r
o
und
C
o
mpl
e
x
ba
c
kgr
o
und
A
c
c
u
r
a
c
y
T
im
e
A
c
c
u
r
a
c
y
T
im
e
S
ki
n
s
e
gm
e
nt
a
ti
o
n +
M
o
bi
l
e
N
e
tV2
78.52%
0.0024s
69.14%
0.0028s
F
a
s
te
r
R
C
N
N
+
s
ki
n s
e
gme
nt
a
ti
o
n
+
M
o
bi
l
e
N
e
tV2
67.14%
0.0256
s
64.16%
%
0.0271s
Y
O
L
O
v
5 +
s
ki
n s
e
gm
e
nt
a
ti
o
n
+
M
o
bi
l
e
N
e
tV2
75.41%
0.0145s
76.42%
0.0158s
I
n
t
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
s
t
a
ge
us
i
n
g
t
h
e
L
S
T
M
m
o
de
l
,
t
h
e
b
a
s
e
li
ne
m
e
t
h
o
d
pe
r
f
o
r
m
s
we
ll
o
n
da
t
a
s
e
t
s
w
i
t
h
gr
e
e
ns
c
r
e
e
n
b
a
c
kgr
o
un
ds
.
Ho
we
v
e
r
,
i
t
s
a
c
c
ur
a
c
y
dr
o
ps
s
i
g
ni
f
i
c
a
n
t
l
y
w
h
e
n
t
h
e
m
e
t
h
o
d
i
s
i
m
p
le
m
e
n
t
e
d
o
n
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
.
R
e
ga
r
d
l
e
s
s
,
f
o
r
t
h
e
t
w
o
m
e
t
h
o
ds
i
m
p
l
e
m
e
n
t
i
n
g
o
bj
e
c
t
de
t
e
c
t
i
o
n
,
i
t
i
s
o
b
s
e
r
v
e
d
t
h
a
t
t
h
e
m
o
de
l
c
l
a
s
s
if
i
e
s
we
ll
o
n
b
o
t
h
t
y
pe
s
o
f
da
t
a
s
e
t
s
.
T
hi
s
i
nd
i
c
a
t
e
s
t
h
a
t
i
n
c
o
r
po
r
a
t
i
n
g
a
n
o
bj
e
c
t
d
e
t
e
c
t
i
o
n
m
o
de
l
a
t
t
h
e
b
e
g
i
nn
i
ng
o
f
t
h
e
pr
o
c
e
s
s
s
uc
c
e
s
s
f
u
ll
y
m
a
i
n
t
a
i
ns
go
o
d
a
c
c
ur
a
c
y
o
n
b
o
t
h
da
t
a
s
e
t
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
R
e
c
ogniz
ing
I
ndone
s
ian
s
ign
language
(
B
is
indo)
ge
s
tur
e
in
…
(
M
uhamm
ad
A
l
f
hi
Saputr
a)
1589
T
a
bl
e
5
s
h
o
ws
t
h
a
t
b
ot
h
o
bj
e
c
t
de
t
e
c
t
i
o
n
m
o
de
l
s
e
f
f
e
c
t
i
v
e
ly
a
ddr
e
s
s
e
d
t
h
e
c
h
a
ll
e
n
ge
s
f
a
c
e
d
by
t
h
e
b
a
s
e
li
ne
m
o
de
l
o
n
c
o
m
p
l
e
x
da
t
a
s
e
t
s
.
S
A
c
c
,
W
E
R
,
B
L
E
U,
a
n
d
S
a
c
r
e
B
L
E
U
we
r
e
c
a
l
c
u
l
a
t
e
d
to
e
v
a
l
ua
t
e
pe
r
f
o
r
m
a
n
c
e
a
t
w
o
r
d
a
n
d
s
e
n
t
e
n
c
e
l
e
v
e
l
s
.
T
h
e
ba
s
e
li
ne
m
o
de
l
pe
r
f
o
r
m
e
d
poo
r
l
y
,
whil
e
t
h
e
F
a
s
t
e
r
R
C
NN
m
o
de
l
s
h
o
we
d
i
m
pr
o
v
e
m
e
n
t
.
T
h
e
YO
L
O
v
5
m
o
de
l
a
c
hi
e
v
e
d
t
h
e
b
e
s
t
r
e
s
u
l
t
s
,
wi
t
h
a
n
S
A
c
c
o
f
49.
29%
,
W
E
R
o
f
16.
42%
,
B
L
E
U
o
f
40.
97%
,
a
n
d
S
a
c
r
e
B
L
E
U
o
f
67.
77%
.
T
a
bl
e
5
.
C
l
a
s
s
i
f
i
c
a
t
i
o
n
r
e
s
u
l
t
E
x
p
e
r
im
e
n
ts
G
r
e
e
ns
c
r
e
e
n ba
c
kg
r
o
und
C
o
mpl
e
x
ba
c
kgr
o
und
A
c
c
u
r
a
c
y
T
im
e
A
c
c
u
r
a
c
y
T
im
e
S
ki
n
s
e
gm
e
nt
a
ti
o
n +
M
o
bi
l
e
N
e
tV2 +
L
S
T
M
86.79%
0.0054s
44.88%
0.0058s
F
a
s
te
r
R
C
N
N
+
s
ki
n s
e
gme
nt
a
ti
o
n
+
M
o
bi
l
e
N
e
tV2 +
L
S
T
M
77.71%
0.0286s
73.04%
0.0301s
Y
O
L
O
v
5 +
s
ki
n s
e
gm
e
nt
a
ti
o
n
+
M
o
bi
l
e
N
e
tV2 +
L
S
T
M
83.43%
0.0175s
83.58%
0.0188s
T
h
e
s
t
udy
c
o
n
duc
t
s
a
o
n
e
-
wa
y
A
NO
V
A
s
i
g
nif
i
c
a
nc
e
t
e
s
t
to
c
o
nf
i
r
m
t
h
e
s
i
g
nif
i
c
a
n
c
e
o
f
t
h
e
o
b
s
e
r
v
e
d
d
i
f
f
e
r
e
n
c
e
s
.
I
t
c
o
m
pa
r
e
s
t
h
e
r
e
s
u
l
t
s
f
r
o
m
e
a
c
h
e
xpe
r
i
m
e
n
t
.
I
f
t
h
e
p
-
v
a
l
ue
i
s
l
e
s
s
t
h
a
n
t
h
e
a
l
p
ha
o
f
0.
05
,
i
t
i
nd
i
c
a
t
e
s
a
s
i
g
nif
i
c
a
n
t
di
f
f
e
r
e
n
c
e
b
e
t
we
e
n
t
h
e
t
w
o
m
e
t
h
o
ds
a
n
d
vi
c
e
ve
r
s
a
.
B
a
s
e
d
o
n
t
h
e
f
i
nd
i
ngs
f
r
o
m
T
a
bl
e
6
a
n
d
t
h
e
s
i
g
nif
ica
nc
e
t
e
s
t
r
e
s
u
l
t
s
i
n
T
a
bl
e
7
,
i
t
i
s
c
l
e
a
r
t
h
a
t
t
h
e
r
e
i
s
a
s
i
g
nif
i
c
a
n
t
i
n
c
r
e
a
s
e
i
n
S
A
c
c
,
B
L
E
U,
a
n
d
S
a
c
r
e
B
L
E
U
by
t
h
e
YO
L
O
v
5
m
o
de
l
c
o
m
pa
r
e
d
to
t
h
e
F
a
s
t
e
r
R
C
NN
a
n
d
t
h
e
b
a
s
e
li
ne
m
o
de
l
.
S
im
u
l
t
a
n
e
o
us
l
y
,
t
h
e
r
e
i
s
a
s
i
g
nif
i
c
a
n
t
de
c
r
e
a
s
e
i
n
W
E
R
pr
o
duc
e
d
by
t
h
e
YO
L
O
v
5
m
o
de
l
c
o
m
pa
r
e
d
to
t
h
e
ot
h
e
r
t
wo
m
o
de
l
s
.
I
n
t
e
r
m
s
o
f
c
o
m
put
a
t
i
o
n
a
l
t
i
m
e
,
YO
L
O
v
5
s
h
o
ws
a
s
i
gnif
i
c
a
n
t
d
i
f
f
e
r
e
n
c
e
f
r
o
m
t
h
e
F
a
s
t
e
r
R
C
NN
m
o
de
l
,
whi
c
h
m
e
a
ns
Y
OL
O
v
5
i
s
s
i
g
ni
f
i
c
a
n
t
l
y
f
a
s
t
e
r
t
h
a
n
t
h
e
F
a
s
t
e
r
R
C
NN
m
o
de
l
.
T
hi
s
im
p
li
e
s
t
h
a
t
YO
L
Ov
5
a
c
hi
e
v
e
d
t
h
e
b
e
s
t
r
e
s
u
l
t
s
o
f
t
h
e
t
h
r
e
e
m
o
de
l
s
.
T
a
bl
e
8
s
h
o
ws
s
e
v
e
r
a
l
o
f
t
h
e
r
e
s
u
l
t
s
o
f
t
h
e
e
x
pe
r
im
e
n
t
s
.
T
a
bl
e
6
.
S
A
c
c
,
W
E
R
,
B
L
E
U,
a
n
d
S
a
c
r
e
B
L
E
U
e
v
a
luat
i
o
n
o
n
c
o
m
p
l
e
x
b
a
c
kg
r
o
un
d
E
x
p
e
r
im
e
n
ts
S
A
c
c
W
E
R
B
L
E
U
S
a
c
r
e
B
L
E
U
S
ki
n
s
e
gm
e
nt
a
ti
o
n +
M
o
bi
l
e
N
e
tV2 +
L
S
T
M
5.71%
54.07%
5.62%
17.37%
F
a
s
te
r
R
C
N
N
+
s
ki
n s
e
gme
nt
a
ti
o
n
+
M
o
bi
l
e
N
e
tV2 +
L
S
T
M
35.00%
26.81%
23.76%
45.86%
Y
O
L
O
v
5 +
s
ki
n s
e
gm
e
nt
a
ti
o
n +
M
o
bi
l
e
N
e
tV2 +
L
S
T
M
49.29%
16.42%
40.97%
67.77%
T
a
bl
e
7
.
On
e
-
wa
y
A
NO
V
A
s
i
g
nif
i
c
a
n
c
e
t
e
s
t
o
n
c
om
p
l
e
x
ba
c
kgr
o
un
d
C
o
mpa
r
is
o
n
S
A
c
c
W
E
R
T
im
e
B
L
E
U
S
a
c
r
e
B
L
E
U
B
a
s
e
li
n
e
v
s
Y
O
L
O
v
5
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
B
a
s
e
li
n
e
v
s
F
a
s
te
r
R
C
N
N
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
F
a
s
te
r
R
C
N
N
v
s
Y
O
L
O
V
5
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
S
ig
ni
f
i
c
a
nt
T
a
bl
e
8
.
S
a
m
p
l
e
s
o
f
pr
e
d
i
c
t
e
d
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
ge
ge
s
t
ur
e
s
i
n
a
c
o
m
p
l
e
x
b
a
c
kgr
o
un
d
No
A
c
tu
a
l
la
be
l
P
r
e
di
c
t
e
d
la
b
e
l
ba
s
e
li
n
e
m
o
d
e
l
P
r
e
di
c
t
e
d l
a
b
e
l
F
a
s
te
r
R
C
N
N
m
o
d
e
l
P
r
e
di
c
t
e
d
l
a
b
e
l
Y
O
L
O
v
5
m
o
d
e
l
1
26
-
125
-
97
-
78
-
85
-
100
-
47
-
132
-
105
26
-
93
-
26
-
78
-
24
-
24
-
47
-
125
-
36
(
WE
R
:
0.67
)
26
-
125
-
125
-
78
-
85
-
125
-
47
-
132
-
105
(
WE
R
:
0.22
)
26
-
125
-
147
-
78
-
85
-
100
-
47
-
132
-
105
(
WE
R
:
0.11
)
2
103
-
109
-
120
130
-
109
-
120
(
WE
R
:
0.33
)
70
-
109
-
120
(
WE
R
:
0.33
)
103
-
109
-
120
(
WE
R
:
0
)
3
70
-
114
-
18
-
39
-
8
-
9
-
12
-
4
-
7
-
56
56
-
114
-
18
-
39
-
8
-
9
-
18
-
4
-
25
-
18
(
WE
R
:
0.4
)
70
-
114
-
18
-
39
-
8
-
9
-
54
-
4
-
54
-
56
(
WE
R
:
0.2
)
70
-
114
-
18
-
39
-
8
-
9
-
12
-
4
-
7
-
56
(
WE
R
:
0
)
4
70
-
144
-
121
-
128
70
-
70
-
41
-
128
(
WE
R
:
0.5
)
70
-
144
-
121
-
125
(
WE
R
:
0.25
)
70
-
144
-
121
-
128
(
WE
R
:
0
)
5
125
-
60
-
148
-
94
-
132
-
105
60
-
70
-
105
-
59
-
94
-
105
(
WE
R
:
0.83
)
125
-
113
-
148
-
94
-
132
-
105
(
WE
R
:
0.17
)
125
-
60
-
148
-
103
-
132
-
105
(
WE
R
:
0.17
)
I
n
a
dd
i
t
i
o
n
t
o
t
h
e
r
e
s
u
l
t
s
a
b
o
v
e
,
t
h
e
r
e
a
r
e
s
e
v
e
r
a
l
f
i
nd
i
ngs
f
r
o
m
t
h
e
e
x
pe
r
im
e
n
t
.
Ou
t
o
f
152
wo
r
ds
i
n
t
h
e
da
t
a
s
e
t
,
82
w
or
ds
we
r
e
p
r
e
di
c
t
e
d
c
o
r
r
e
c
t
l
y
w
it
h
100%
a
c
c
ur
a
c
y
,
a
n
d
o
nl
y
o
n
e
c
o
ul
d
n
o
t
b
e
pr
e
d
i
c
t
e
d
a
t
a
l
l
.
T
h
e
wo
r
d
i
s
"
Eh
"
.
T
h
e
w
o
r
d
"
Eh
"
i
n
I
n
do
n
e
s
i
a
n
i
s
a
t
y
pe
o
f
gr
e
e
t
i
n
g
wo
r
d
.
T
hi
s
wo
r
d
c
o
ul
d
n
ot
b
e
pr
e
d
i
c
t
e
d
b
e
c
a
us
e
i
t
s
a
ppe
a
r
a
n
c
e
wa
s
o
nly
i
n
o
n
e
vi
de
o
,
s
o
t
h
e
s
y
s
t
e
m
d
i
d
n
o
t
s
uf
f
i
c
i
e
n
t
l
y
t
r
a
i
n
i
t
.
A
dd
i
t
i
o
n
a
ll
y
,
t
h
e
r
e
a
r
e
s
im
il
a
r
o
r
s
y
n
o
nym
o
us
wo
r
ds
t
h
a
t
c
a
n
b
e
pr
e
d
i
c
t
e
d
i
n
t
e
r
c
ha
n
ge
a
bly
,
s
uc
h
a
s
th
e
wo
r
d
"
C
anti
k
"
,
whi
c
h
m
e
a
n
s
"
B
e
a
ut
y
,
"
a
n
d
t
h
e
wo
r
d
"
T
ampan
"
,
whi
c
h
m
e
a
ns
"
Ha
n
ds
o
m
e
"
.
B
ot
h
w
o
r
ds
a
l
s
o
h
a
v
e
s
i
mi
l
a
r
s
i
g
n
d
i
s
p
l
a
y
s
,
s
o
t
h
e
s
y
s
t
e
m
c
a
n
i
nc
o
r
r
e
c
t
l
y
pr
e
di
c
t
"
C
anti
k
"
a
s
"
T
ampan
"
o
r
vi
c
e
v
e
r
s
a
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
36
,
N
o
.
3
,
De
c
e
m
b
e
r
20
24
:
1
5
83
-
1
5
93
1590
An
o
t
h
e
r
f
i
n
d
i
ng
i
s
r
e
l
a
t
e
d
to
t
h
e
S
A
c
c
v
a
l
ue
.
B
a
s
e
d
o
n
t
h
e
S
A
c
c
f
o
r
m
u
l
a
de
f
i
ne
d
i
n
t
h
e
pr
e
vi
o
us
c
h
a
pt
e
r
,
t
h
e
S
A
c
c
v
a
l
ue
i
s
gr
e
a
t
l
y
i
nf
l
ue
n
c
e
d
by
t
h
e
l
e
n
gt
h
o
f
t
h
e
s
e
n
t
e
n
c
e
.
S
i
m
p
ly
put
,
n
o
m
a
t
t
e
r
h
o
w
l
o
n
g
t
h
e
s
e
n
t
e
n
c
e
i
s
,
i
f
t
h
e
r
e
i
s
e
v
e
n
o
n
e
wo
r
d
t
h
a
t
i
s
n
o
t
pr
e
di
c
t
e
d
c
o
r
r
e
c
t
l
y
,
t
h
e
S
A
c
c
v
a
l
ue
f
o
r
t
h
a
t
s
e
n
t
e
n
c
e
i
s
0.
T
hi
s
i
s
why
e
v
e
n
t
h
e
be
s
t
m
o
de
l
s
t
i
ll
ha
s
a
n
S
A
c
c
v
a
l
ue
o
f
o
nly
49.
29%
.
S
A
c
c
a
n
d
B
L
E
U
h
a
v
e
a
s
i
mi
l
a
r
tr
e
n
d
i
n
e
v
a
l
ua
t
i
n
g
t
hi
s
s
y
s
t
e
m
.
B
ot
h
,
wh
e
n
c
o
m
pa
r
e
d
to
S
a
c
r
e
B
L
E
U,
s
h
o
w
t
h
a
t
S
a
c
r
e
B
L
E
U
t
e
n
ds
to
a
c
hi
e
v
e
be
tt
e
r
r
e
s
ul
t
s
t
h
a
n
S
A
c
c
a
n
d
B
L
E
U.
T
hi
s
i
n
d
i
c
a
t
e
s
t
h
e
d
i
f
f
e
r
e
n
c
e
b
e
t
we
e
n
t
h
e
t
w
o
m
e
t
r
i
c
s
i
n
e
v
a
l
ua
t
i
o
n
.
S
A
c
c
i
s
n
o
t
s
ui
t
a
bl
e
f
o
r
e
v
a
l
ua
t
i
n
g
B
i
s
i
ndo
b
e
c
a
u
s
e
B
i
s
i
ndo
do
e
s
n
ot
h
a
v
e
s
t
a
n
da
r
d
r
ul
e
s
l
i
ke
S
I
B
I
.
F
or
e
x
a
m
p
l
e
,
B
i
s
i
ndo
c
a
n
h
a
v
e
s
e
v
e
r
a
l
v
a
r
i
a
t
i
o
n
s
o
f
s
i
g
ns
i
n
t
e
r
m
s
o
f
wo
r
d
or
de
r
wh
e
n
e
x
pr
e
s
s
i
n
g
a
s
e
n
t
e
nc
e
.
I
f
e
v
a
l
ua
t
e
d
us
i
n
g
S
A
c
c
,
t
h
e
s
e
v
a
r
i
a
t
i
o
n
s
w
i
ll
b
e
c
o
n
s
i
d
e
r
e
d
i
nc
o
r
r
e
c
t,
wh
e
r
e
a
s
t
h
e
y
s
h
o
u
l
d
be
c
o
n
s
i
de
r
e
d
c
o
r
r
e
c
t
.
An
a
ly
s
i
s
o
f
t
h
e
S
A
c
c
r
e
s
ul
t
s
f
o
un
d
t
h
a
t
S
A
c
c
i
s
r
e
l
a
t
i
v
e
ly
go
o
d
wh
e
n
t
h
e
p
r
e
di
c
t
e
d
s
e
n
t
e
n
c
e
l
e
n
gt
h
i
s
l
e
s
s
t
h
a
n
f
i
ve
wo
r
ds
b
ut
r
e
l
a
t
i
v
e
ly
po
o
r
f
o
r
s
e
nt
e
n
c
e
s
w
i
t
h
a
l
e
n
gt
h
o
f
f
i
ve
wo
r
ds
or
m
o
r
e
.
F
o
r
s
e
n
t
e
n
c
e
s
w
i
t
h
a
l
e
n
gt
h
o
f
l
e
s
s
t
h
a
n
f
i
ve
wo
r
ds
,
t
h
e
a
v
e
r
a
ge
S
A
c
c
v
a
l
ue
i
s
62.
67%
,
whi
l
e
f
o
r
s
e
n
t
e
n
c
e
s
w
i
t
h
a
l
e
n
gt
h
o
f
f
i
ve
wo
r
ds
or
m
o
r
e
,
i
t
i
s
34.
85%
.
T
h
e
S
A
c
c
v
a
lue
f
o
r
s
e
n
t
e
n
c
e
s
w
i
t
h
a
l
e
n
gt
h
o
f
l
e
s
s
t
h
a
n
f
i
ve
wo
r
ds
i
s
s
i
mi
l
a
r
to
t
h
e
S
a
c
r
e
B
L
E
U
r
e
s
u
l
t
,
whi
c
h
i
s
67.
77
%
.
T
h
i
s
f
ur
t
h
e
r
s
t
r
e
n
gt
h
e
ns
t
h
e
a
r
gu
m
e
n
t
t
h
a
t
S
a
c
r
e
B
L
E
U
i
s
t
h
e
a
ppr
o
p
r
i
a
t
e
m
e
t
r
i
c
f
o
r
e
v
a
l
ua
t
i
n
g
t
h
e
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
ge
r
e
c
o
gni
t
i
o
n
s
y
s
t
e
m
,
a
s
i
t
s
e
v
a
l
ua
t
i
o
n
i
s
m
o
r
e
c
o
n
s
i
s
t
e
n
t
.
5.
CONC
L
USI
ON
T
hi
s
r
e
s
e
a
r
c
h
a
im
e
d
to
s
o
l
ve
t
h
e
pr
o
b
l
e
m
o
f
r
e
c
o
gni
z
i
ng
B
i
s
i
ndo
s
i
g
n
l
a
n
gua
ge
i
n
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
a
n
d
de
t
e
r
m
i
ne
t
h
e
s
u
i
t
a
bl
e
e
v
a
l
ua
t
i
o
n
m
e
t
h
o
d.
E
x
pe
r
i
m
e
n
t
s
we
r
e
c
o
n
duc
t
e
d
to
a
dd
r
e
s
s
t
hi
s
i
s
s
ue
.
I
t
wa
s
f
o
un
d
t
h
a
t
a
ddi
n
g
a
n
o
bj
e
c
t
de
t
e
c
t
i
o
n
m
e
t
h
o
d
a
t
t
h
e
b
e
g
i
nn
i
ng
o
f
t
h
e
pr
o
c
e
s
s
c
o
u
l
d
i
m
pr
o
v
e
pe
r
f
o
r
m
a
n
c
e
by
f
i
r
s
t
e
x
t
r
a
c
t
i
n
g
h
a
n
d
a
n
d
f
a
c
e
obj
e
c
t
s
.
T
h
e
b
e
s
t
-
pe
r
f
o
r
m
i
ng
o
bj
e
c
t
de
t
e
c
t
i
o
n
m
o
de
l
wa
s
YO
L
O
v
5,
a
c
hi
e
vi
ng
S
A
c
c
49.
29%
,
S
a
c
r
e
B
L
E
U
67.
77%
,
B
L
E
U
40.
97%
,
a
n
d
W
E
R
16.
42%
o
n
c
o
m
p
l
e
x
b
a
c
kgr
o
un
ds
,
w
i
t
h
a
c
o
m
put
a
t
i
o
n
t
i
m
e
o
f
0.
0188
s
e
c
o
n
ds
pe
r
f
r
a
m
e
.
S
A
c
c
wa
s
e
f
f
e
c
t
i
v
e
f
o
r
s
e
n
t
e
n
c
e
s
o
f
l
e
s
s
t
h
a
n
f
i
ve
wo
r
ds
,
wi
t
h
a
n
a
v
e
r
a
ge
S
A
c
c
o
f
62.
67%
f
o
r
YO
L
Ov
5.
Ho
we
v
e
r
,
f
o
r
l
o
n
ge
r
s
e
n
t
e
nc
e
s
,
S
A
c
c
dr
o
ppe
d
to
34.
85
%
,
s
h
o
w
i
n
g
i
nc
o
n
s
i
s
t
e
nc
y
.
S
a
c
r
e
B
L
E
U,
o
n
t
h
e
ot
h
e
r
h
a
n
d,
m
a
i
n
t
a
i
ne
d
c
o
n
s
i
s
t
e
n
c
y
w
i
t
h
a
f
i
na
l
s
c
o
r
e
o
f
67.
77%
f
o
r
a
l
l
s
e
n
t
e
n
c
e
l
e
n
gt
hs
,
m
a
k
i
n
g
i
t
t
h
e
a
ppr
o
pr
i
a
t
e
e
v
a
l
ua
t
i
o
n
m
e
t
h
o
d
f
o
r
B
i
s
in
do
s
i
g
n
l
a
n
gua
ge
r
e
c
o
gni
t
i
o
n
.
AP
P
E
ND
I
X
T
a
bl
e
2
.
S
e
n
t
e
n
c
e
s
i
n
t
h
e
d
a
t
a
s
e
t
No
S
e
nt
e
n
c
e
i
n
I
nd
o
n
e
s
ia
n
S
e
nt
e
n
c
e
i
n
E
ngl
is
h
S
e
nt
e
n
c
e
i
n
B
is
in
d
o
S
e
nt
e
n
c
e
i
n
B
is
in
d
o
(
t
r
a
ns
la
te
d i
nt
o
E
ngl
is
h)
1
B
e
s
ok
s
ay
a m
au p
e
r
gi
k
e
B
andung.
T
om
o
r
r
o
w
, I
a
m g
o
in
g
to
B
a
ndung
M
au
–
pe
r
gi
–
B
andung
–
be
s
ok
W
a
nt
–
g
o
–
B
a
ndung
–
t
o
m
or
r
o
w
2
K
am
u t
id
ak
bol
e
h pulang
s
e
k
ar
ang.
Y
o
u a
r
e
n
o
t
a
ll
o
w
e
d
t
o
go
h
o
m
e
n
o
w
!
K
am
u
–
pul
ang
–
s
e
k
ar
ang ti
dak
bol
e
h
Y
o
u
–
g
o
h
o
m
e
–
n
o
w
–
d
o
n
o
t
3
Se
ti
ap pagi s
ay
a be
r
ja
la
n
s
e
la
m
a 30 me
ni
t.
E
ve
r
y
m
o
r
ni
ng, I
w
a
lk
f
or
30 mi
nut
e
s
.
Say
a
–
ja
la
n
-
k
ak
i
–
ti
ga
-
pul
uh
–
m
e
ni
t
–
pagi
–
pagi
–
pagi
I
–
w
a
lk
–
th
ir
t
y
–
mi
nut
e
–
mo
r
n
in
g
–
m
o
r
ni
ng
–
m
or
ni
ng
4
K
ar
e
na t
ak
ut
, di
a l
ar
i.
O
ut
of
f
e
a
r
,
H
e
r
a
n
D
ia
–
ta
k
ut
–
di
a
–
la
r
i
H
e
–
f
e
a
r
–
h
e
–
r
un
5
I
bu s
ay
a bi
as
any
a t
id
ur
ja
m
10 malam.
M
y
m
o
th
e
r
us
ua
ll
y
g
oe
s
to
s
l
e
e
p a
t
10 P
M
.
I
bu
–
s
ay
a
–
ti
dur
–
ja
m
-
s
e
pul
uh
–
m
al
am
–
bi
as
any
a
M
y
M
o
th
e
r
–
s
l
e
e
p
–
te
n
o
’
c
l
o
c
k
–
ni
ght
–
us
ua
ll
y
6
K
ar
e
na s
e
nang,
di
a
te
r
s
e
ny
u
m
.
S
he
i
s
s
mi
li
ng be
c
a
us
e
S
he
i
s
ha
pp
y
.
D
ia
s
e
nang dia s
e
ny
u
m
S
he
–
ha
pp
y
–
S
h
e
–
s
mi
le
7
A
nak
pe
r
e
m
puan it
u s
e
di
h
k
ar
e
na ay
ahny
a
m
e
ni
nggal.
T
h
e
gi
r
l
is
s
a
d be
c
a
us
e
he
r
f
a
th
e
r
pa
s
s
e
d a
w
a
y
.
B
apak
m
e
ni
nggal anak
pe
r
e
m
puan it
u s
e
di
h
F
a
th
e
r
–
pa
s
s
e
d a
w
a
y
–
gi
r
l
–
s
a
d
8
Say
a m
ar
ah k
ar
e
na s
ay
a
m
e
r
as
a di
hi
na ole
h di
a.
I
a
m a
ngr
y
b
e
c
a
us
e
I
f
e
e
l
in
s
ul
t
e
d b
y
hi
m/
h
e
r
.
Say
a m
e
r
as
a di
a hi
na
m
ar
ah
I
–
f
e
e
l
–
H
e
–
in
s
ul
t
–
a
ngr
y
9
J
angan k
haw
at
ir
s
ay
a pas
ti
m
e
m
bant
u k
am
u.
D
o
n'
t
w
o
r
r
y
, I
w
il
l
de
f
in
it
e
l
y
h
e
lp
y
ou.
K
haw
at
ir
j
angan s
ay
a
bant
u pas
ti
W
o
r
r
y
-
d
o
n
o
t
-
i
-
w
il
l
-
h
e
lp
10
Say
a bi
ngung me
ngapa
s
ay
a t
id
ak
bol
e
h m
ak
an
s
e
m
angk
a.
I
'
m c
o
n
f
us
e
d w
h
y
I
'
m
no
t
a
ll
o
w
e
d t
o
e
a
t
w
a
te
r
m
e
l
o
n.
Say
a
-
m
ak
an
-
s
e
m
angk
a t
id
ak
bol
e
h
-
bi
ngung
-
k
e
napa
I
-
e
a
t
-
w
a
te
r
me
l
o
n
-
d
o
n
o
t
-
c
o
n
f
us
e
-
w
h
y
11
Se
ti
ap pagi ayah s
ay
a
m
in
um
k
opi
dan mak
an
nas
i
gor
e
ng.
E
ve
r
y
m
o
r
ni
ng, m
y
f
a
th
e
r
d
r
in
ks
c
of
f
e
e
a
nd
e
a
ts
f
r
i
e
d r
i
c
e
.
B
apak
s
ay
a m
in
um
k
opi
m
ak
an nas
i
gor
e
ng pagi
pagi
pagi
M
y
f
a
th
e
r
-
dr
in
k
-
c
of
f
e
e
-
e
a
t
-
f
r
i
e
d r
i
c
e
-
m
o
r
ni
ng
-
m
o
r
ni
ng
-
mo
r
n
in
g
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
R
e
c
ogniz
ing
I
ndone
s
ian
s
ign
language
(
B
is
indo)
ge
s
tur
e
in
…
(
M
uhamm
ad
A
l
f
hi
Saputr
a)
1591
T
a
bl
e
2
.
S
e
n
t
e
n
c
e
s
i
n
t
h
e
d
a
t
a
s
e
t
(
C
onti
nue
…
)
No
S
e
nt
e
n
c
e
i
n
I
nd
o
n
e
s
ia
n
S
e
nt
e
n
c
e
i
n
E
ngl
is
h
S
e
nt
e
n
c
e
i
n
B
is
in
d
o
S
e
nt
e
n
c
e
i
n
B
is
in
d
o
(
t
r
a
ns
la
te
d i
nt
o
E
ngl
is
h)
12
A
dhi
m
e
m
be
li
buk
u i
tu
di
H
ongk
ong.
A
dhi
bo
ught
t
ha
t
b
oo
k
in
H
o
ng
K
o
ng.
A
D
H
I
buk
u i
tu
be
li
H
ongk
ong
A
-
D
-
H
-
I
-
th
a
t
b
oo
k
-
bu
y
-
H
o
ngk
o
ng
13
Say
a i
ngi
n m
e
nj
ual
s
e
pe
da
m
ot
or
s
ay
a.
I
w
a
nt
t
o
s
e
ll
m
y
mo
t
or
c
y
c
l
e
.
M
ot
or
s
ay
a i
ngi
n j
ual
M
o
t
o
r
c
y
c
le
-
i
-
w
a
nt
-
s
e
ll
14
K
ak
ak
s
ay
a
m
e
m
be
r
i
s
ay
a
hadi
ah.
M
y
s
is
te
r
ga
ve
me
a
gi
f
t.
H
adi
ah k
ak
ak
be
r
i
G
i
f
t
-
s
is
te
r
-
gi
v
e
15
A
pak
ah k
am
u s
udah
m
e
ne
r
ima s
u
r
at
dar
i
pr
e
s
id
e
n J
o
k
ow
i?
H
a
v
e
y
ou
r
e
c
e
i
ve
d a
le
tt
e
r
f
r
o
m P
r
e
s
id
e
nt
J
o
k
o
w
i?
Sur
at
P
r
e
s
id
e
n J
ok
ow
i
te
r
ima s
udah
L
e
tt
e
r
-
P
r
e
s
id
e
nt
J
o
k
o
w
i
-
R
e
c
e
i
ve
d
16
P
e
nj
ahat
it
u
m
e
m
uk
ul
s
ay
a
be
r
k
al
i
-
k
al
i.
T
h
e
c
r
im
in
a
l
hi
t
m
e
s
e
ve
r
a
l
ti
me
s
.
O
r
ang pe
nj
ahat
i
tu
puk
ul
-
puk
ul
s
ay
a
C
r
im
in
a
l
-
hi
t
-
me
17
Say
a t
id
ak
pe
r
nah
m
e
nge
r
ti
pe
r
ta
n
y
aan anda.
I
ne
ve
r
und
e
r
s
t
oo
d
y
our
que
s
ti
o
n.
K
am
u pe
r
ta
ny
aan ti
dak
-
m
e
nge
r
ti
Y
o
u
-
qu
e
s
ti
o
n
-
n
e
ve
r
und
e
r
s
t
oo
d
18
B
e
r
it
a i
tu
s
udah dil
ih
at
ol
e
h r
ib
uan or
ang.
T
ha
t
n
e
w
s
ha
s
be
e
n s
e
e
n
b
y
t
h
o
us
a
nds
of
p
e
o
pl
e
.
B
e
r
it
a or
ang r
ib
uan
nont
on s
udah
N
e
w
s
-
pe
o
pl
e
-
th
o
us
a
nds
-
s
e
e
n
19
A
pak
ah k
am
u pe
r
nah
m
e
m
bac
a nov
e
r
bahas
a
in
ggr
is
?
H
a
v
e
y
ou
e
ve
r
r
e
a
d a
n
E
ngl
is
h
nove
l
?
B
uk
u B
ahas
a I
nggr
is
bac
a s
udah pe
r
nah
B
oo
k
-
e
ngl
is
h
-
r
e
a
d
20
H
P
i
n
i
di
be
li
ol
e
h L
aur
a
de
ngan har
ga t
ig
a j
ut
a.
T
h
is
mo
bi
l
e
ph
o
n
e
w
a
s
bo
ught
b
y
L
a
u
r
a
f
o
r
th
r
e
e
mi
ll
i
o
n.
H
andphone
i
ni
L
A
U
R
A
be
li
har
ga t
ig
a j
ut
a
M
o
bi
l
e
ph
o
ne
-
th
is
-
L
-
A
-
U
-
R
-
A
-
bu
y
-
pr
i
c
e
-
th
r
e
e
-
mi
l
li
o
n
21
P
e
nc
ur
i
it
u di
puk
ul
ol
e
h
pol
is
i.
T
h
e
t
hi
e
f
w
a
s
be
a
t
e
n b
y
th
e
p
o
li
c
e
.
O
r
ang pe
nc
ur
i
it
u poli
s
i
puk
ul
T
h
ie
f
-
p
o
li
c
e
-
b
e
a
te
n
22
K
am
bi
ng i
tu
di
m
ak
an ular
T
h
e
g
o
a
t
w
a
s
e
a
t
e
n b
y
a
s
na
ke
.
K
am
bi
ng i
ni
m
ak
an ular
G
o
a
t
-
e
a
te
n
-
s
na
ke
23
O
bat
i
ni
har
us
di
m
in
um
ti
ga k
al
i
s
e
har
i
T
h
is
me
di
c
in
e
s
ho
ul
d b
e
ta
ke
n t
hr
e
e
t
im
e
s
a
da
y
.
M
in
um
-
obat
har
us
s
at
u
har
i
ti
ga k
al
i
T
a
k
e
m
e
di
c
in
e
-
s
ho
u
ld
-
th
r
e
e
ti
me
s
-
a
da
y
24
D
ia
be
r
ta
ny
a k
e
pada
k
u di
m
ana s
ay
a l
ahi
r
H
e
a
s
ke
d m
e
w
he
r
e
I
w
a
s
bo
r
n.
D
ia
t
any
a s
ay
a l
ahi
r
m
ana
H
e
-
a
s
k
-
me
-
b
o
r
n
-
w
h
e
r
e
25
A
pa y
ang s
e
dang k
am
u
pi
k
ir
k
an?
W
ha
t
a
r
e
y
o
u
th
in
ki
ng
a
bo
ut
?
K
am
u pi
k
ir
apa
Y
o
u
-
th
in
k
-
w
ha
t
26
D
i
m
ana anda ti
nggal?
W
he
r
e
d
o
y
ou l
i
ve
?
K
am
u t
in
ggal
m
ana
Y
o
u
-
li
ve
-
w
he
r
e
27
K
e
m
ana
k
am
u m
au pe
r
gi
?
W
he
r
e
do
y
ou
w
a
nt
to
go?
K
am
u m
au pe
r
gi
m
ana
Y
o
u
-
w
a
nt
t
o
-
g
o
-
w
he
r
e
28
M
e
ngapa k
e
m
ar
in
k
am
u
ti
dak
k
ul
ia
h?
W
h
y
di
dn'
t
y
ou a
tt
e
nd
th
e
c
la
s
s
y
e
s
t
e
r
da
y
?
K
e
m
ar
in
k
am
u
k
ul
ia
h
ti
dak
k
e
napa
Y
e
s
te
r
da
y
-
y
ou
-
c
la
s
s
-
di
d no
t
-
a
tt
e
nd
29
B
agai
m
ana k
e
adaan
ib
um
u?
H
o
w
i
s
y
o
u
r
m
o
th
e
r
?
I
bu k
am
u bagaimana
s
e
hat
M
o
th
e
r
-
y
ou
-
h
o
w
-
w
e
ll
30
J
am
be
r
apa k
it
a i
s
ti
r
ahat
?
W
ha
t
ti
me
d
o
w
e
t
a
k
e
a
br
e
a
k
?
K
it
a i
s
ti
r
ahat
j
am
be
r
apa
W
e
-
ta
ke
a
b
r
e
a
k
-
w
ha
t
ti
m
e
31
K
apan k
am
u be
la
ja
r
B
is
in
do?
W
he
n di
d
y
ou l
e
a
r
n
B
is
in
do?
K
am
u be
la
ja
r
B
is
in
do
k
apan
Y
o
u
-
l
e
a
r
n
-
B
is
in
d
o
-
w
h
e
n
32
B
adan k
u ge
m
uk
, t
api
badan adik k
u k
ur
us
M
y
b
o
d
y
i
s
f
a
t,
but
m
y
br
o
th
e
r
'
s
bo
d
y
i
s
t
hi
n
.
B
adan s
ay
a ge
m
uk
t
api
badan adik k
ur
us
M
y
b
o
d
y
-
f
a
t
-
bu
t
-
m
y
br
o
th
e
r
'
s
bo
d
y
-
th
in
33
M
as
ak
an padang it
u e
nak
,
te
ta
pi
m
ahal
P
a
da
ng c
ui
s
in
e
i
s
de
li
c
i
o
us
, but
e
x
p
e
ns
i
v
e
.
M
ak
an padang it
u e
nak
ta
pi
m
ahal
P
a
da
ng c
ui
s
in
e
-
d
e
li
c
i
o
us
-
but
-
e
x
p
e
ns
iv
e
34
D
ia
anak
bai
k
s
e
hi
ngga
bany
ak
or
ang
m
e
ny
uk
ai
ny
a
H
e
i
s
a
goo
d
ki
d
, s
o
ma
n
y
p
e
o
pl
e
li
ke
h
im
.
D
ia
anak
bai
k
or
ang
or
ang s
uk
a
s
uk
a
H
e
-
ki
d
-
g
oo
d
-
ma
n
y
pe
o
pl
e
-
li
k
e
-
hi
m
35
A
r
ti
s
k
or
e
a i
tu
s
angat
ta
m
pan
T
h
e
K
o
r
e
a
n
c
e
le
b
r
it
y
i
s
ve
r
y
ha
nds
ome
.
A
r
ti
s
k
or
e
a i
tu
t
am
pan
C
e
le
b
r
it
y
-
k
o
r
e
a
n
-
ha
nds
o
m
e
36
P
e
ny
any
i
c
ant
ik
i
tu
bi
s
a
be
r
m
ai
n gi
ta
r
T
h
e
b
e
a
ut
i
f
ul
s
in
g
e
r
c
a
n
pl
a
y
t
h
e
gui
ta
r
.
O
r
ang pe
ny
any
i
c
ant
ik
it
u bi
s
a be
r
m
ai
n
-
gi
ta
r
S
in
ge
r
-
b
e
a
ut
i
f
ul
-
c
a
n
-
pl
a
y
gui
ta
r
37
T
ul
is
anny
a s
angat j
e
le
k
s
e
hi
ngga ti
dak
bi
s
a s
a
y
a
bac
a
H
is
ha
ndw
r
it
in
g i
s
v
e
r
y
ba
d, s
o
I
c
a
n'
t
r
e
a
d i
t.
D
ia
t
ul
is
an bac
a t
id
ak
-
bi
s
a
H
e
-
ha
ndw
r
it
in
g
-
r
e
a
d
-
c
a
n n
o
t
38
I
w
an m
e
m
ak
ai
baj
u m
e
r
ah,
s
e
dangk
an A
dhi
m
e
m
ak
ai
baj
u puti
h
I
w
a
n i
s
w
e
a
r
in
g a
r
e
d
s
hi
r
t,
w
hi
le
A
dhi
i
s
w
e
a
r
in
g a
w
hi
te
s
hi
r
t.
I
W
A
N
baj
u pak
ai
-
baj
u
m
e
r
ah A
D
H
I
baj
u
pak
ai
-
baj
u puti
h
I
-
W
-
A
-
N
s
hi
r
t
-
w
e
a
r
-
r
e
d
-
A
-
D
-
H
-
I
-
s
hi
r
t
-
w
e
a
r
-
w
hi
te
39
T
ol
ong, matikan A
C
-
ny
a
!
P
le
a
s
e
, t
u
r
n
of
f
t
h
e
A
C
!
A
C
m
at
i
to
lo
ng
A
-
C
-
tu
r
n
of
f
-
pl
e
a
s
e
40
J
angan duduk
di
at
as
m
e
ja
!
D
o
n'
t
s
it
o
n t
h
e
t
a
bl
e
!
M
e
ja
duduk
j
angan
T
a
bl
e
-
s
it
-
d
o
n
ot
AC
K
NOWL
E
DGE
M
E
NT
S
T
hi
s
wo
r
k
i
s
s
uppo
r
t
e
d
by
t
h
e
T
o
k
o
pe
di
a
-
UI
A
I
C
e
n
t
e
r
o
f
E
x
c
e
ll
e
n
c
e
a
n
d
t
h
e
F
u
n
d
i
ng
P
r
o
gr
a
m
f
o
r
I
nn
o
v
a
t
i
o
n
a
t
t
h
e
Uni
ve
r
s
i
t
y
o
f
I
n
do
n
e
s
i
a
2023
P
r
o
g
r
a
m
P
3
N
o
:
33/P
K
S
/W
R
I
I
I
-
DI
S
T
P
/UI
/2023
No
:
0026
/S
P
I
C
/
E
S
/2023
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
36
,
N
o
.
3
,
De
c
e
m
b
e
r
20
24
:
1
5
83
-
1
5
93
1592
RE
F
E
R
E
NC
E
S
[
1]
R
.
R
a
s
tg
o
o
,
K
.
K
ia
ni
,
a
nd
S
.
E
s
c
a
l
e
r
a
,
“
S
ig
n
la
ngua
ge
r
e
c
o
gn
it
io
n:
a
de
e
p
s
ur
ve
y
,”
E
x
pe
r
t
Sy
s
te
m
s
w
it
h
A
ppl
ic
at
io
ns
,
vo
l.
164,
p. 113794, F
e
b. 2021, d
o
i:
10.1016/j
.
e
s
w
a
.2020.113794.
[
2]
L
.
Z
h
e
ng,
B
.
L
ia
ng,
a
nd
A
.
J
ia
ng,
“
R
e
c
e
nt
a
d
v
a
n
c
e
s
of
d
e
e
p
le
a
r
ni
ng
f
or
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n,”
in
2017
I
nt
e
r
nat
i
onal
C
onf
e
r
e
nc
e
on
D
ig
it
al
I
m
age
C
o
m
put
in
g:
T
e
c
hni
que
s
and
A
ppl
ic
at
io
ns
(
D
I
C
T
A
)
,
N
o
v
.
2017,
pp.
1
–
7,
do
i:
10.1109/DI
C
T
A
.2017.8227483.
[
3]
K
.
N
im
is
ha
a
nd
A
.
J
a
c
o
b,
“
A
br
i
e
f
r
e
v
i
e
w
of
th
e
r
e
c
e
n
t
tr
e
nds
in
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n,”
in
2020
I
nt
e
r
nat
i
onal
C
onf
e
r
e
nc
e
on
C
om
m
uni
c
at
io
n
and
Si
gnal
P
r
oc
e
s
s
in
g
(
I
C
C
SP
)
,
J
ul
.
2020,
pp.
186
–
190,
do
i:
10.1109/I
C
C
S
P
48568.2020.9182351.
[
4]
H
.
M.
M
a
r
ia
ppa
n
a
nd
V
.
G
o
ma
th
i,
“
R
e
a
l
-
ti
m
e
r
e
c
o
gni
t
i
o
n
of
I
ndi
a
n
s
ig
n
la
ngua
ge
,”
in
2019
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
C
om
put
at
io
nal
I
nt
e
ll
ig
e
nc
e
i
n D
at
a Sc
ie
nc
e
(
I
C
C
I
D
S)
, F
e
b. 20
19, pp. 1
–
6, do
i:
10.1109/
I
C
C
I
D
S
.2019.8862125.
[
5]
Q
.
X
ia
o
,
M
.
Q
in
,
P
.
G
u
o
,
a
nd
Y
.
Z
ha
o
,
“
M
ul
ti
mo
da
l
f
us
i
o
n
ba
s
e
d
o
n
L
S
T
M
a
nd
a
c
o
upl
e
c
o
ndi
ti
o
na
l
hi
dd
e
n
M
a
r
kov
m
o
d
e
l
f
or
C
hi
ne
s
e
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n,”
I
E
E
E
A
c
c
e
s
s
,
vo
l.
7,
pp.
112258
–
112268,
2019,
do
i:
10.1109/AC
C
E
S
S
.2019.2925654.
[
6]
S
.
M
.
S.
S
ha
h,
H
.
A
bba
s
N
a
qv
i,
J
.
I
.
K
ha
n,
M
.
R
a
mz
a
n,
Z
u
lq
a
r
na
in
,
a
nd
H
.
U
.
K
ha
n,
“
S
ha
pe
b
a
s
e
d
P
a
ki
s
ta
n
s
ig
n
la
ngua
ge
c
a
te
g
or
i
z
a
ti
o
n
us
in
g
s
ta
ti
s
ti
c
a
l
f
e
a
tu
r
e
s
a
nd
s
uppo
r
t
ve
c
t
o
r
ma
c
hi
ne
s
,”
I
E
E
E
A
c
c
e
s
s
,
v
o
l.
6,
pp.
59242
–
59252,
2018,
do
i:
10.1109/AC
C
E
S
S
.2018.2872670.
[
7]
R
.
D
.
R
A
J
a
nd A
.
J
A
S
U
J
A
,
“
B
r
it
is
h
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n
us
in
g
H
O
G
,”
in
2018
I
E
E
E
I
nt
e
r
nat
io
nal
St
ude
nt
s
’
C
onf
e
r
e
nc
e
on
E
le
c
tr
ic
al
, E
le
c
tr
oni
c
s
and C
o
m
put
e
r
Sc
ie
n
c
e
(
SC
E
E
C
S)
, F
e
b.
2018, pp. 1
–
4, do
i:
10.1109/
S
C
E
E
C
S
.2018.8546967.
[
8]
R
.
R
a
s
tg
o
o
,
K
.
K
ia
ni
,
a
nd
S
.
E
s
c
a
le
r
a
,
“
H
a
nd
s
ig
n
la
ngua
ge
r
e
c
o
gni
ti
o
n
us
in
g
mul
ti
-
v
i
e
w
ha
nd
s
ke
l
e
t
o
n,”
E
x
pe
r
t
Sy
s
te
m
s
w
it
h
A
ppl
ic
at
io
ns
, vo
l.
150, p. 113336, J
ul
. 2020, d
o
i:
10.1016/j
.
e
s
w
a
.2020.113336.
[
9]
S
.
B
a
e
k,
K
.
I
.
K
im
,
a
nd
T
.
-
K
.
K
im
,
“
A
ugme
nt
e
d
s
k
e
l
e
t
o
n
s
pa
c
e
tr
a
ns
f
e
r
f
or
d
e
pt
h
-
ba
s
e
d
ha
nd
p
o
s
e
e
s
ti
ma
ti
o
n,”
in
2018
I
E
E
E
/C
V
F
C
onf
e
r
e
n
c
e
on
C
om
put
e
r
V
is
io
n
and
P
at
te
r
n
R
e
c
ogni
ti
on
,
J
un.
2018,
pp.
8330
–
8339,
do
i:
10.1109/C
V
P
R
.2018.00869.
[
10]
A
.
S
pur
r
,
J
.
S
o
ng,
S
.
P
a
r
k,
a
nd
O
.
H
il
li
g
e
s
,
“
C
r
o
s
s
-
mo
da
l
d
e
e
p
v
a
r
ia
ti
o
na
l
ha
nd
p
o
s
e
e
s
ti
ma
ti
o
n,”
in
2018
I
E
E
E
/C
V
F
C
onf
e
r
e
nc
e
on C
om
put
e
r
V
is
io
n and P
at
te
r
n R
e
c
ogni
ti
on
, J
un. 2018, pp. 89
–
98, do
i:
10.1109/C
V
P
R
.2018.00017.
[
11]
S
.
H
e
,
“
R
e
s
e
a
r
c
h
of
a
s
ig
n
la
ngua
ge
t
r
a
ns
la
ti
o
n
s
y
s
te
m
ba
s
e
d
o
n
d
e
e
p
l
e
a
r
ni
ng,”
in
2019
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
A
r
ti
f
i
c
ia
l
I
nt
e
ll
ig
e
nc
e
and A
dv
anc
e
d M
anuf
ac
tu
r
in
g (
A
I
A
M
)
, O
c
t.
2019,
pp. 392
–
396, do
i:
10.1109/A
I
A
M
48774.2019.00083.
[
12]
O
.
B
.
H
o
qu
e
,
M
.
I
.
J
uba
ir
,
M
.
S
.
I
s
la
m,
A
.
-
F
.
A
ka
s
h,
a
nd
A
.
S
.
P
a
ul
s
o
n,
“
R
e
a
l
t
im
e
B
a
ngl
a
de
s
hi
s
ig
n
la
ngua
ge
de
te
c
ti
o
n
u
s
in
g
f
a
s
t
e
r
R
-
C
N
N
,”
i
n
2018 I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on I
nnov
at
io
n i
n E
ngi
ne
e
r
in
g and T
e
c
hnol
ogy
(
I
C
I
E
T
)
, D
e
c
. 2018, pp. 1
–
6,
do
i:
10.1109/C
I
E
T
.2018.8660780.
[
13]
S
.
K
im
,
Y
.
J
i,
a
nd
K
.
-
B
.
L
e
e
,
“
A
n
e
f
f
e
c
ti
ve
s
ig
n
la
ngua
g
e
le
a
r
ni
ng
w
it
h
o
bj
e
c
t
d
e
t
e
c
ti
o
n
ba
s
e
d
R
O
I
s
e
gme
nt
a
ti
o
n,”
in
2018
Se
c
ond
I
E
E
E
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on
R
obot
ic
C
om
put
in
g
(
I
R
C
)
,
J
a
n.
2018,
pp.
330
–
333,
do
i:
10.1109/I
R
C
.2018.00069.
[
14]
H
.
D
.
A
l
o
n,
M
.
A
.
D
.
L
ig
a
y
o
,
M
.
P
.
M
e
l
e
gr
it
o
,
C
.
F
r
a
n
c
o
C
una
na
n,
a
nd
E
.
E
.
U
y
I
I
,
“
D
e
e
p
-
ha
n
d:
a
d
e
e
p
in
f
e
r
e
nc
e
v
is
i
o
n
a
ppr
o
a
c
h
of
r
e
c
o
gni
z
in
g
a
ha
nd
s
ig
n
la
ngua
ge
u
s
in
g
A
me
r
ic
a
n
a
lp
ha
be
t,
”
in
2021
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
C
om
put
at
io
nal
I
nt
e
ll
ig
e
nc
e
and
K
now
le
dge
E
c
onomy
(
I
C
C
I
K
E
)
,
M
a
r
.
2021,
pp.
373
–
377,
do
i:
10.1109/I
C
C
I
K
E
51210.2021.9410803
.
[
15]
S
.
D
a
ni
e
ls
,
N
.
S
u
c
ia
ti
,
a
nd
C
.
F
a
th
i
c
ha
h,
“
I
ndo
n
e
s
ia
n
s
ig
n
la
ngua
ge
r
e
c
o
gn
it
i
o
n
us
in
g
Y
O
L
O
m
e
th
o
d,”
I
O
P
C
onf
e
r
e
nc
e
Se
r
ie
s
:
M
at
e
r
ia
ls
Sc
ie
nc
e
and E
ngi
ne
e
r
in
g
, v
ol
. 1077, n
o
. 1, p. 012029
, F
e
b. 2021, d
o
i:
10.1088/1757
-
899X/1077/1/
012029.
[
16]
M
.
F
a
is
a
l,
“
D
e
v
e
l
o
pme
n
t
of
I
nd
o
n
e
s
ia
n
s
ig
n
la
ngua
ge
(
B
is
in
do
)
m
ov
e
m
e
nt
r
e
c
o
gni
z
e
r
m
o
d
e
l
us
in
g
M
o
bi
l
e
N
e
tV2
a
s
a
f
e
a
tu
r
e
e
x
tr
a
c
t
o
r
a
nd
L
S
T
M
a
s
a
c
la
s
s
if
i
e
r
,”
U
ni
ve
r
s
it
a
s
I
ndo
n
e
s
ia
, 2021.
[
17]
N
.
F
.
P
.
S
e
t
y
on
o
a
nd
E
.
R
a
kun,
“
R
e
c
o
gni
z
in
g
w
o
r
d
g
e
s
tu
r
e
in
s
ig
n
s
y
s
t
e
m
f
o
r
I
nd
o
n
e
s
ia
n
l
a
ngua
ge
(
S
I
B
I
)
s
e
nt
e
n
c
e
s
u
s
in
g
D
e
e
pC
N
N
a
nd
B
i
L
S
T
M
,”
in
2019
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on
A
dv
anc
e
d
C
o
m
put
e
r
S
c
ie
nc
e
and
in
f
or
m
at
io
n
Sy
s
te
m
s
(
I
C
A
C
S
I
S)
,
O
c
t.
2019, pp. 199
–
204, d
o
i:
10.1109/I
C
A
C
S
I
S
47736.2019.89
79772.
[
18]
M
.
H
.
N
ugr
a
ha
a
nd
E
.
R
a
k
un,
“
S
o
l
v
in
g
c
ompl
e
x
ba
c
kgr
o
und
pr
o
bl
e
m
us
in
g
r
e
ti
na
n
e
t
f
o
r
s
ig
n
s
y
s
t
e
m
f
or
I
nd
o
n
e
s
ia
n
l
a
ngua
ge
(
S
I
B
I
)
ge
s
tu
r
e
-
to
-
t
e
x
t
t
r
a
ns
la
to
r
,”
in
2022
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
A
dv
anc
e
d
C
om
put
e
r
Sc
ie
nc
e
and
I
nf
o
r
m
at
io
n
Sy
s
t
e
m
s
(
I
C
A
C
SI
S)
, O
c
t.
2022, pp. 45
–
52, d
o
i:
10.1109/I
C
A
C
S
I
S
56558
.2022.9923450.
[
19]
S
.
R
e
n,
K
.
H
e
,
R
.
G
ir
s
hi
c
k,
a
nd
J
.
S
un,
“
F
a
s
te
r
R
-
C
N
N
:
t
o
w
a
r
ds
r
e
a
l
-
ti
m
e
o
bj
e
c
t
d
e
te
c
ti
o
n
w
i
th
r
e
gi
o
n
pr
o
p
o
s
a
l
ne
tw
or
ks
,”
I
E
E
E
T
r
ans
ac
ti
ons
on
P
at
te
r
n
A
nal
y
s
is
and
M
ac
hi
ne
I
nt
e
ll
i
ge
nc
e
,
v
o
l.
39,
n
o
.
6,
pp.
1137
–
1149,
J
un.
2017,
do
i:
10.1109/
T
P
A
M
I
.2016.2577031.
[
20]
T
.
F
. D
im
a
a
nd M
. E
. A
hme
d, “
U
s
in
g Y
O
L
O
v
5 a
lg
o
r
it
hm
t
o
de
te
c
t
a
nd r
e
c
o
gn
iz
e
A
m
e
r
i
c
a
n s
ig
n l
a
ngua
ge
,”
i
n
2021 I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on I
nf
o
r
m
at
io
n T
e
c
hnol
ogy
(
I
C
I
T
)
, J
ul
. 2021, pp. 603
–
607, do
i:
10.1109/
I
C
I
T
52682.2021.9491672.
[
21]
M
.
P
o
s
t,
“
A
c
a
ll
f
or
c
la
r
it
y
in
r
e
p
o
r
ti
ng
B
L
E
U
s
c
o
r
e
s
,”
in
W
M
T
2018
-
3r
d
C
onf
e
r
e
nc
e
on
M
ac
hi
ne
T
r
ans
la
ti
on,
P
r
oc
e
e
di
ng
s
of
th
e
C
onf
e
r
e
n
c
e
, 2018, v
o
l.
1, pp. 186
–
191, d
o
i
:
10.18653/
v
1/
w
18
-
6319.
[
22]
N
.
P
a
dma
ja
,
B
.
N
.
S
.
R
a
ja
,
a
n
d
B
.
P
.
K
uma
r
,
“
R
e
a
l
ti
me
s
ig
n
l
a
ngua
ge
de
t
e
c
ti
o
n
s
y
s
t
e
m
us
in
g
de
e
p
le
a
r
ni
ng
te
c
hni
qu
e
s
,”
J
our
nal
of
P
har
m
ac
e
ut
ic
al
N
e
gat
iv
e
R
e
s
ul
t
s
, v
o
l.
13, n
o
.
S
01, pp. 1052
–
1059, J
a
n. 2022, do
i:
10.47750/pnr
.2022.13.s
01.126.
[
23]
S
.
H
oc
hr
e
it
e
r
a
nd
J
.
S
c
hmi
dhub
e
r
,
“
L
o
n
g
s
h
o
r
t
-
t
e
r
m
m
e
m
o
r
y
,
”
N
e
ur
al
C
om
put
at
io
n
,
v
o
l.
9,
n
o
.
8,
pp.
1735
–
1780,
N
ov
.
19
97,
do
i:
10.1162/n
e
c
o
.1997.9.8.1735.
[
24]
K
.
P
a
pi
n
e
ni
,
S
.
R
o
uk
o
s
,
T
.
W
a
r
d,
a
nd
W
.
-
J
.
Z
hu,
“
B
L
E
U
:
a
me
th
o
d
f
or
a
ut
o
ma
ti
c
e
v
a
lu
a
ti
o
n
of
ma
c
h
in
e
tr
a
ns
la
ti
o
n,
”
in
P
r
oc
e
e
di
ngs
of
th
e
40t
h
A
nnual
M
e
e
ti
ng
on
A
s
s
oc
ia
ti
on
f
or
C
om
put
at
io
nal
L
in
gui
s
ti
c
s
-
A
C
L
’
02
,
2001,
pp.
311
–
318,
do
i:
10.3115/1073083.10
73135.
[
25]
R
.
F
.
R
a
hma
t,
T
.
C
ha
ir
unni
s
a
,
D
.
G
una
w
a
n,
a
nd
O
.
S
.
S
it
o
mpul
,
“
S
ki
n
c
o
l
o
r
s
e
gm
e
nt
a
ti
o
n
us
in
g
mul
ti
-
c
o
l
o
r
s
pa
c
e
th
r
e
s
ho
ld
,”
in
2016
3r
d
I
nt
e
r
nat
io
nal
C
on
f
e
r
e
nc
e
on
C
om
put
e
r
and
I
n
fo
r
m
at
io
n
Sc
ie
nc
e
s
(
I
C
C
O
I
N
S)
,
A
ug.
2016,
pp.
391
–
396,
do
i:
10.1109/I
C
C
O
I
N
S
.2016.7783247.
[
26]
R
.
P
a
di
ll
a
,
S
.
L
.
N
e
tt
o
,
a
nd
E
.
A
.
B
.
da
S
il
v
a
,
“
A
s
ur
ve
y
on
pe
r
f
or
ma
nc
e
m
e
t
r
ic
s
f
or
o
bj
e
c
t
-
d
e
t
e
c
t
i
o
n
a
lg
o
r
it
hms
,”
in
2
020
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on
Sy
s
t
e
m
s
,
Si
gnal
s
and
I
m
age
P
r
oc
e
s
s
in
g
(
I
W
SS
I
P
)
,
J
ul
.
2020,
pp.
237
–
242,
do
i:
10.1109/I
W
S
S
I
P
48289.2020.9145130.
[
27]
A
.
C
.
M
o
r
r
is
,
V
.
M
a
ie
r
,
a
nd
P
.
G
r
e
e
n,
“
F
r
om
W
E
R
a
nd
R
I
L
to
M
E
R
a
nd
W
I
L
:
im
pr
ove
d
e
v
a
lu
a
ti
o
n
m
e
a
s
ur
e
s
f
o
r
c
o
nne
c
t
e
d
s
pe
e
c
h r
e
c
o
gni
ti
o
n,”
i
n
I
nt
e
r
s
pe
e
c
h 2004
, O
c
t.
2004, pp. 2765
–
2768, do
i:
10.21437/
I
nt
e
r
s
pe
e
c
h.2004
-
668.
Evaluation Warning : The document was created with Spire.PDF for Python.