文献

J-GLOBAL ID：201802233795933434   整理番号：18A0357410

3D畳み込みニューラルネットワークを用いた深度画像からの手姿勢推定

Hand Pose Estimation from Single Depth Images with 3D Convolutional Neural Network

著者 (3件)： ZHANG Zelin (Waseda Univ., Tokyo, JPN) ,  WANG Zhao (Waseda Univ., Tokyo, JPN) ,  OHYA Jun (Waseda Univ., Tokyo, JPN)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 391(PRMU2017 112-144)  ページ： 271-276  発行年： 2018年01月11日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本研究では,3D畳み込みニューラルネットワーク(CNN)を用いた深度画像からの手姿勢推定のための簡単且つ効率的な手法を提案する。先行研究では,深度画像を直接利用して手の姿勢推定を行ったから,それでは3D空間情報が欠落,推定には誤差が生じると考えられる。本研究では,まず深度画像を3Dボリュームデータに変換して3D空間情報を取得するようにする,この3Dボリュームデータを使って3D CNNを用いた手の姿勢推定を行う。実験によってこの手法有効性を確認できた。(著者抄録)

シソーラス用語： ニューラルネットワーク ,  画像 ,  *手【生体】 ,  *推定 ,  データ ,  データ変換 ,  情報 ,  手関節 ,  特徴抽出 ,  *画像認識 ,  三次元 ,  画像処理
準シソーラス用語： ボリュームデータ ,  空間情報 ,  *姿勢推定 ,  畳込みニューラルネットワーク ,  深度画像

分類 (1件)： パターン認識  (JE07000S)

引用文献 (23件)：

• Zhang, Z. (2012). Microsoft kinect sensor and its effect. IEEE multimedia, 19(2), 4-10.
• Viola, Paul, and Michael Jones. ′′Rapid object detection using a boosted cascade of simple features.′′ Computer Vision and Pattern Recognition, 2001. CVPR 2001. Proceedings of the 2001 IEEE Computer Society Conference on. Vol. 1. IEEE, 2001.
• SOCHER, Richard, et al. Convolutional-recursive deep learning for 3d object classification. In: Advances in Neural Information Processing Systems. 2012. p. 656-664.
• LIU, Fayao; LIN, Guosheng; SHEN, Chunhua. CRF learning with CNN features for image segmentation. Pattern Recognition, 2015, 48.10: 2983-2992.
• Tompson, Jonathan, et al. Real-time continuous pose recovery of human hands using convolutional networks. ACM Transactions on Graphics (ToG), 2014, 33.5: 169.

タイトルに関連する用語 (5件)： 3D ,  畳み込みニューラルネットワーク ,  深度画像 ,  手 ,  姿勢推定