文献

J-GLOBAL ID：201702289831407751   整理番号：17A1271468

3D手姿勢推定のための球状部分モデルを用いた深いネットワークの学習【Powered by NICT】

Learning a deep network with spherical part model for 3D hand pose estimation

著者 (4件)： Chen Tzu-Yang (Department of Computer Science and Information Engineering, National Taiwan University, Taiwan, ROC) ,  Ting Pai-Wen (Department of Computer Science and Information Engineering, National Taiwan University, Taiwan, ROC) ,  Wu Min-Yu (Department of Computer Science and Information Engineering, National Taiwan University, Taiwan, ROC) ,  Fu Li-Chen (Department of Electrical Engineering and Computer Science and Information Engineering, National Taiwan University, Taiwan, ROC)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 2600-2605  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： 3D手の姿勢推定は,近年のホットな研究トピックである。バーチャルリアリティと人間-計算機相互作用のための多くの先進的応用に広く使用されて,それはヒトとサイバースペース間の通信のための自然なインタフェイスを提供するからである。この分野の急速な発展にもかかわらず,様々な課題に起因して困難な仕事である。本論文では,正確に人間の手の検出と深さ画像を用いてその姿勢を正確に推定できる3D手の姿勢推定システムを構築することを目的とした。提案システムのロバスト性を保証するために,球状部分モデル(SPM)と呼ばれる手モデルを設計し,このモデルを用いた深層畳込みニューラルネットワークを訓練した。さらに,ヒトの省略の影響を減らすために,それらを統合するためのデータ駆動型アプローチを用いた。筆者らのネットワークは,人間の手の事前知識に基づく手の姿勢をより正確に推定できる。提案手法の優位性を実証するために,二公立と自作のデータセット上で実施した完全な実験。結果は,筆者らのシステムはほぼ90%の平均精度でヒトの手を検出でき,姿勢推定の平均誤差距離は約10mmであり,芸術作品の他の状態よりも良好であることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  バーチャルリアリティ ,  ニューラルネットワーク ,  仮想空間 ,  *三次元 ,  ロバスト性 ,  インタフェイス ,  相互作用 ,  高速度 ,  *ネットワーク ,  畳込み ,  ヒト
準シソーラス用語： 事前知識 ,  データ駆動 ,  *姿勢推定 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 3D ,  姿勢推定 ,  球状 ,  モデル ,  学習