文献

J-GLOBAL ID：201802243707077327   整理番号：18A1908354

姿勢認識のためのスパースオートエンコーダ【JST・京大機械翻訳】

Sparse Autoencoders for Posture Recognition

著者 (2件)： Jirak Doreen (Knowledge Technology, University of Hamburg, Hamburg, Germany) ,  Wermter Stefan (Knowledge Technology, University of Hamburg, Hamburg, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IJCNN  ページ： 1-10  発行年： 2018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： 異なるジェスチャータイプの間で,静的ジェスチャまたは姿勢は,コマンドまたはエミュレーションのような広範囲の通信情報を提供する。姿勢認識のための視覚ベース処理は,知的システムにおける最も直感的ではあるが挑戦的なタスクである。深い学習,特に畳込みニューラルネットワーク(CNN)における業績は,最適パラメータ調整のための大規模データ要求と長い訓練セッションを犠牲にして,自動化画像特徴学習のための手モデルまたは工学的特徴を置き換えた。本研究の目的は,姿勢認識のためのスパースオートエンコーダの可能性を調べ,畳込みアプローチを提示する代替法を促進することである。異なる特性を持つ2つの姿勢データセット上で望ましい画像特徴抽出を保持するために,階層的に設計されたオートエンコーダによる実験を行った。異なるデータ特性は,ネットワーク性能に及ぼすパラメータの影響を実証することを可能にした。著者らの評価は,浅いネットワーク設計さえも,多重チャネルCNNと比較して優れた性能を達成し,スパース画像サンプルを持つ小データセット上で同等の結果を得ることを示した。著者らの研究から,「軽量」アプローチは姿勢認識のための実行可能なツールであり,将来のより多くの調査に価値があると結論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 通信 ,  学習 ,  自動化 ,  視覚 ,  *畳込み ,  画像特性 ,  画像 ,  エミュレーション
準シソーラス用語： マルチチャネル ,  最適パラメータ ,  畳込みニューラルネットワーク ,  インテリジェントシステム ,  身振り ,  *自己符号化器 ,  *姿勢認識 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 姿勢認識