文献

J-GLOBAL ID：201902257225514063   整理番号：19A0398317

類似ジェスチャー認識のためのエンドツーエンド階層的分類アプローチ【JST・京大機械翻訳】

An End-to-End Hierarchical Classification Approach for Similar Gesture Recognition

著者 (3件)： Wu Di (Centre for Artificial Intelligence, University of Technology, School of Software, Sydney Ultimo, New South Wales, 2007, Australia) ,  Sharma Nabin (Centre for Artificial Intelligence, University of Technology, School of Software, Sydney Ultimo, New South Wales, 2007, Australia) ,  Blumenstein Michael (Centre for Artificial Intelligence, University of Technology, School of Software, Sydney Ultimo, New South Wales, 2007, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IVCNZ  ページ： 1-6  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： RGBビデオからの人間行動認識は,様々な実際の応用に広く適用されている。ビデオに基づく人間行動認識に含まれる挑戦と複雑さを扱うために,コンピュータビジョンと機械学習領域における研究者によって多くの研究が行われてきた。人間行動認識研究領域において,畳込みニューラルネットワーク(CNN)と再帰ニューラルネットワーク(RNN)を含む深い学習アプローチが導入されている。しかし,CNNの欠点により,類似のジェスチャによる行動認識と複雑な行動を記述することは依然として非常に困難である。そこで,本論文では,類似ジェスチャー間の混乱を解決するために,エンドツーエンド階層的分類アーキテクチャを提案した。提案したアプローチは,まず第一に,全データセットを分類し,ステージ1における各クラスに対する精度を生成する。ステージ1から得られた混乱行列に基づいて,このアプローチは,最も混乱した類似のジェスチャー対を1つのクラスに結合し,ステージ2において他のクラスと一緒に分類する。ステージ3では,類似のジェスチャー対を二値分類器によって分類し,各クラスの性能と全体の精度を増加させる。開発したモデルを適用し評価し,KTHとUCF101データセットの両方に対する類似の人間行動を認識した。結果は,提案した方式が両方のデータセットに関する分類性能を上げることができることを示した。提案したアーキテクチャはロバストで,ステージ1とステージ2では分類技術を用いることができる。Copyright 2019 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： コンピュータビジョン ,  カオス ,  録画装置 ,  学習 ,  *エンドツーエンド方式 ,  機械学習 ,  人間行動 ,  計算機アーキテクチャ ,  ロバスト性 ,  ニューラルネットワーク
準シソーラス用語： 二値分類 ,  行動認識 ,  *身振り ,  畳込みニューラルネットワーク ,  *ジェスチャー認識 , 【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 (4件)： 類似 ,  ジェスチャー認識 ,  エンドツーエンド ,  階層的分類