抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
最近,骨格に基づく行動認識は,実時間骨格推定アルゴリズムと結合した費用対効果の高い深さセンサのために人気を得ている。手製特徴に基づく伝統的なアプローチは,運動パターンの複雑さを表すために限られている。生骨格を扱うためにリカレントニューラルネットワーク(RNN)を用いた最近の方法は時間領域における文脈依存性に焦点を合わせるだけでと関節骨格の空間構造を無視している。本論文では,骨格に基づく行動認識のための時間的動態と空間的構成の両方をモデル化するための新しい二流体RNNアーキテクチャを提案した。時間的流れ:積層RNNと階層的RNNの二種類の構造を調べた。階層RNNは,人体運動学に従って設計した。も空間グラフを変換する継手の配列に空間構造をモデル化するための二つの有効な方法を提案した。このモデルの一般化を改善するために,回転とスケーリング変換を含む3D変換に基づくデータ増強技術を利用する訓練中の骨格の3D座標を変換した。3D行動認識ベンチマークデータセット上での実験により,提案手法では,作用,すなわち,一般的な作用,相互作用活性とジェスチャーの多様性のかなりの改善をもたらすことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】