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。
ロバストな手の検出と分類は,人間コンピュータインタラクション,運転者行動モニタリング,バーチャルリアリティなどを支援するための最も重要な前処理ステップの一つである。が,この問題は現実世界のシナリオでの手画像の多数の変動に起因して非常に挑戦的である。本研究では,様々な挑戦的な条件,例えばオクルージョン,照明,低解像度の下でのヒトの手領域を検出し,分類するロバストに多重スケール領域ベース完全畳込みネットワーク(MSRFCN)と呼ばれる新しいアプローチを提案した。このアプローチでは,全体像を提案した完全畳込みネットワークを通過したスコアマップを計算した。位置有感特性を有するこれらのスコアマップは,分類と検出における並進不変性の間のジレンマを効果的に解決するのを助けることができる。法は挑戦的な手のデータベース,すなわちインテリジェント車両と応用(VIVA)チャレンジのためのビジョン,オックスフォード,データセットで評価し,最近の様々な手の検出法と比較した。実験結果は,提案したMS FRCNアプローチは一貫してVIVA課題,すなわちレベル2のレベル1と86.0%/83.4%で95.1%/94.5%の平均精度(AP)/平均想起(AR),最新の手の検出結果を達成することを示した。さらに,提案した方法は,分類タスクのための~7%と~13%のAP/ARの顕著な改善によりVIVAデータベース上で左/右手と運転者/乗客分類タスクのための最先端技術の結果を達成した。MS RFCNの手の検出性能は,APの75.1%とオックスフォードデータベースに対するARの77.8%に達した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】