文献

J-GLOBAL ID：201702253495871700   整理番号：17A1773639

低電力,完全事象ベースジェスチャ認識システム【Powered by NICT】

A Low Power, Fully Event-Based Gesture Recognition System

著者 (16件)： Amir Arnon ,  Taba Brian ,  Berg David ,  Melano Timothy ,  McKinstry Jeffrey ,  Nolfo Carmelo Di ,  Nayak Tapan ,  Andreopoulos Alexander ,  Garreau Guillaume ,  Mendoza Marcela ,  Kusnitz Jeff ,  Debole Michael ,  Esser Steve ,  Delbruck Tobi ,  Flickner Myron ,  Modha Dharmendra
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 7388-7397  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： イベントベースハードウェア上でエンドツーエンドを初めて実行されたジェスチャ認識システム,動的視覚センサ(D VS)による生ストリーミング事象からの低電力でリアルタイムの手のジェスチャを認識するTrueNorth神経プロセッサを提示した。ピクセルが変化を検出する場合にのみ生物学にヒントを得たD VSは送信データ,固定フレーム速度で各ピクセルをサンプリングしている伝統的なフレームベースカメラとは異なった。スパース,非同期データ表現はフレームベースカメラよりもはるかに低い電力で動作するイベントベースカメラさせる。しかし,以前の研究のように,イベントストリームは従来の同期プロセッサによって説明されるなら,エネルギー効率の多くは失われる。ここでは,初めて,TrueNorth,百万スパイキングニューロンを用いた自然事象ベースのプロセッサを用いた生きているD VSイベントストリームを処理する。畳込みニューラルネットワーク(CNN)として形成され,TrueNorthチップは105msの潜時とジェスチャの開始を同定する200mW以下を消費した。CNNは3照明条件の下での被験者29名から11の手のジェスチャのカテゴリーを含む新たに収集したD VSデータセット(DvsGesture)96.5%サンプル外精度を達成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 照明条件 ,  エンドツーエンド方式 ,  *電力 ,  視覚センサ ,  畳込み ,  データ表現 ,  演算プロセッサ ,  エネルギー効率 ,  画素 ,  ニューラルネットワーク ,  ストリーミング
準シソーラス用語： フレームレート ,  *身振り ,  *ジェスチャー認識 ,  *低電力化 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 低電力 ,  事象 ,  ジェスチャ認識