文献

J-GLOBAL ID：202002258394712277   整理番号：20A2766990

深層畳込みとリカレントニューラルネットワークアーキテクチャを用いた空気書き込み認識【JST・京大機械翻訳】

Air-Writing Recognition using Deep Convolutional and Recurrent Neural Network Architectures

著者 (3件)： Bastas Grigoris (Institute for Language and Speech Processing (ILSP), Athena R.C.,Athens,Greece) ,  Kritsis Kosmas (Institute for Language and Speech Processing (ILSP), Athena R.C.,Athens,Greece) ,  Katsouros Vassilis (Institute for Language and Speech Processing (ILSP), Athena R.C.,Athens,Greece)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICFHR  ページ： 7-12  発行年： 2020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： 本論文では,人間が三次元空間に自由にテキストを書き込む空気書き認識問題に適用する深層学習アーキテクチャを検討した。Leap運動コントローラ(LMC)センサから取得した多次元時系列として構造化される,0から9までの手書き数字に焦点を当てた。運動軌跡をモデル化する動的および静的アプローチの両方を調べた。いくつかの最先端の畳み込みと再帰アーキテクチャを訓練し,比較した。特に,長い短温度メモリ(LSTM)ネットワークとその双方向性対応物(BLSTM)を用いて,固定次元のベクトルに入力シーケンスを写像し,その後,標的空気手書きクラス間の分類のために高密度層に通過した。第二のアーキテクチャでは,LSTMニューラルネットワーク(CNN-LSTM)に供給する前に入力特徴を符号化するために1D畳込みニューラルネットワーク(CNN)を採用した。第3のアーキテクチャは,拡張因果畳込みを用いる時間畳込みネットワーク(TCN)である。最後に,生入力データから特徴学習と分類を自動化するための深いCNNアーキテクチャを提示した。性能評価は,各数字を少なくとも10回回転する10人の参加者のデータセットで行われ,ほぼ1200の例をもたらした。Copyright 2020 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： 記憶装置 ,  *畳込み ,  ベクトル ,  自動化 ,  学習 ,  *ネットワーク ,  *ニューラルネットワーク ,  一次元 ,  高次元 ,  *計算機アーキテクチャ ,  *再帰性
準シソーラス用語： 双方向性 ,  三次元空間 ,  深層学習 ,  畳込みニューラルネットワーク , 【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 (3件)： 深層 ,  畳込み ,  書き込み