文献

J-GLOBAL ID：202002264619984157   整理番号：20A0769455

DWNet:3D行動認識のためのディープワイドネットワーク【JST・京大機械翻訳】

DWnet: Deep-wide network for 3D action recognition

著者 (3件)： Dang Yonghao (Automation School, Beijing University of Posts and Telecommunications, Beijing, 100876, China) ,  Yang Fuxing (Automation School, Beijing University of Posts and Telecommunications, Beijing, 100876, China) ,  Yin Jianqin (Automation School, Beijing University of Posts and Telecommunications, Beijing, 100876, China)
資料名： Robotics and Autonomous Systems  (Robotics and Autonomous Systems)
巻： 126  ページ： Null  発行年： 2020年 
JST資料番号： C0133C  ISSN： 0921-8890  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 行動認識は人間-ロボット協調と相互作用において重要な役割を果たす。人間の行動を認識することにより,ロボットは人間の行動を模倣したり,再現したり,スキルを獲得することができる。最近,畳込みニューラルネットワーク(CNN)は3D骨格に基づく行動認識に広く使われている。モデルの深さから得られた近似能力により,良好な性能が達成された。残念ながら,主流の深い構造において,ドロップアウトと完全に接続された層は,通常,作用を分類するために使用される。すなわち,アンサンブルを用いて認識性能を保証し,計算効率を低下させた。計算効率を向上させるために,本論文では,3D骨格に基づいて人間の行動を認識するための広いネットワーク(DWnet)を提案した。具体的には,浅い構造を持つ深いCNNの意思決定機構を修正し,計算効率を改善した。最先端の深いCNNを用いて,骨格配列から空間時間的特徴を抽出した。次に,特徴をより高次元特徴空間に変換して,グローバル情報を得て,修正意思決定機構によって分類した。2つの骨格データセットに関する実験は,試験効率に関する提案したモデルの利点と作用を認識するための新しいモデルの有効性を実証した。コードはhttps://github.com/YHDang/DWnetで公開されている。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  意思決定 ,  *ネットワーク ,  ロボット ,  近似法 ,  高次元 ,  *三次元 ,  有効性
準シソーラス用語： ドロップ ,  計算効率 ,  行動認識 ,  特徴空間 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 行動認識 ,  深部構造 ,  3Dスケルトン ,  人間-ロボット協調

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 (2件)： 3D ,  行動認識