文献

J-GLOBAL ID：202002240115457099   整理番号：20A1564434

事前訓練ネットワークモデルを用いた手話運動分類性能の改善に関する実験的研究【JST・京大機械翻訳】

Experimental Study on Improvement of Sign Language Motion Classification Performance Using Pre-trained Network Models

著者 (8件)： Kawaguchi Kaito (Department of Information and Computer Sciences, Kanagawa Institute of Technology, Atsugi, Kanagawa, Japan) ,  Wang Zhizhong (Department of Information and Computer Sciences, Kanagawa Institute of Technology, Atsugi, Kanagawa, Japan) ,  Kuniwa Tomoki (Department of Information and Computer Sciences, Kanagawa Institute of Technology, Atsugi, Kanagawa, Japan) ,  Daraseneeyakul Paporn (Department of Mechanical Engineering, Chulalongkorn University, Bangkok, Thailand) ,  Veerakiatikit Phaphimon (Department of Mechanical Engineering, Chulalongkorn University, Bangkok, Thailand) ,  Ohta Eiji (Freelance, Iruma, Saitama, Japan) ,  Nishimura Hiromitsu (Department of Information and Computer Sciences, Kanagawa Institute of Technology, Atsugi, Kanagawa, Japan) ,  Tanaka Hiroshi (Department of Information and Computer Sciences, Kanagawa Institute of Technology, Atsugi, Kanagawa, Japan)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12185  ページ： 433-446  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： サイン言語は,聴覚障害を有する人々のためのコミュニケーションの主要な方法である。しかし,署名言語を学んだ人々はほとんどなく,聴覚障害者と聴覚者の間のコミュニケーションに対する大きな障壁である。自動音声解釈は既にいくつかの分野で実用化されてきたが,サイン言語解釈を実際の使用に置くには多くの困難がある。符号言語の多様性,それらの運動の複雑性,および多くの微妙な差異を考慮して,運動から特徴要素を人工的に抽出するどんな方法にも限界があり,サイン言語運動を決定するために分類器にそれらを入力する。深層学習により訓練され,各動きを分類するために,事前訓練ネットワークモデルを用いて特徴要素を自動的に抽出する方法を調べた。深層学習を使用する問題は,訓練されたモデルを作成するために大量の訓練データを必要とすることである。この要求を満たすためのサイン言語運動データの取得は,実際には難しいと思われる。本論文は,収集できるデータアイテムの数が制限され,分類精度を改善する条件下で,データ増強による人工的生成データの方法を提示する。提案方法は分類精度の約10%の改善の結果を得た。さらに,精度向上のための別の技術であるアンサンブル学習の応用も記述した。著者は,各事前訓練ネットワークモデルから得られた特徴要素上に構築された訓練されたモデルの多重性を用いて結果を統合した後の分類性能が,約10%以上の精度の大幅な改善をもたらすことを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 聴覚 ,  言語 ,  コミュニケーション ,  聴覚障害 ,  多重度 ,  *手話 ,  聴覚障害者
準シソーラス用語： 訓練データ ,  アンサンブル学習 ,  *ネットワークモデル ,  符号語 ,  複雑性 ,  分類精度 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 手話運動 ,  分類 ,  事前訓練ネットワークモデル ,  データ増強 ,  アンサンブル学習

分類 (4件)： 生体代行装置  (EL04000N) ,  人間機械系  (IB03000G) ,  耳・鼻・咽頭・喉頭の疾患  (GQ03000X) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (6件)： 訓練 ,  ネットワークモデル ,  手話 ,  運動 ,  分類 ,  実験的研究