文献

J-GLOBAL ID：202002216173988335   整理番号：20A0329025

RGB画像とオプティカルフローを用いた深層学習ベースの人間意図予測【JST・京大機械翻訳】

Deep-Learning-Based Human Intention Prediction Using RGB Images and Optical Flow

著者 (3件)： Li Shengchao (School of Engineering Technology, Purdue University, West Lafayette, IN, USA) ,  Zhang Lin (School of Engineering Technology, Purdue University, West Lafayette, IN, USA) ,  Diao Xiumin (School of Engineering Technology, Purdue University, West Lafayette, IN, USA)
資料名： Journal of Intelligent & Robotic Systems  (Journal of Intelligent & Robotic Systems)
巻： 97  号： 1  ページ： 95-107  発行年： 2020年 
JST資料番号： T0752A  ISSN： 0921-0296  CODEN： JIRSES  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 観察された人間の行動からの人間の意図予測のための重要な技術的課題は,それらの行動の背後にある時空間パターンを発見し,利用する方法である。行動認識のためのよく知られた2ストリームアーキテクチャによって触発されて,本論文は,RGB画像とオプティカルフローを用いた2ストリームアーキテクチャに基づく人間意図予測のためのアプローチを提案した。最初に,人間動作の各試行の動作開始フレームを,骨格データのフレーム間の人間関節の位置のL2距離を計算することによって決定した。第二に,空間ネットワークと時間的ネットワークを別々に訓練し,それぞれRGB画像とオプティカルフローを用いて人間の意図を予測した。空間ネットワークにおける初期連結融合法と時間ネットワークにおけるサンプリング法の両方を実験に基づいて最適化した。最後に,平均融合を用いて,空間ネットワークと時間ネットワークから予測結果を融合した。提案した手法の有効性を検証するために,人間の行動の背後にある人間の意図の新しいデータセットを導入した。このデータセットは,RGB画像,RGB-D画像,およびボールを投球する人間行動の骨格データを含んでいる。実験は,提案した手法が,提案したデータセット上で74%の予測精度で人間の行動の背後にある人間の意図を予測できることを示した。提案した手法は,ボトル(IFM)データセットからの推定についてさらに評価される。これは,ボトルを把握する人間の行動の背後にある人間の意図のデータセットである。提案した手法はIFMデータセット上で77%の予測精度を達成した。提案した手法は,異なるアプリケーションにおける人間の行動の背後にある人間の意図を予測するのに有効である。Copyright Springer Nature B.V. 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  最適化 ,  *オプティカルフロー ,  ネットワーク ,  応用プログラム ,  人間行動
準シソーラス用語： 予測精度 ,  RGB-D ,  人間動作 ,  行動認識 ,  技術課題 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人間の意図予測 ,  深層学習 ,  RGB画像 ,  オプティカルフロー

分類 (1件)： ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (6件)： RGB画像 ,  オプティカルフロー ,  深層学習 ,  人間 ,  意図 ,  予測