文献

J-GLOBAL ID：202102227903807875   整理番号：21A0444669

EV-Action:筋電図-視覚マルチモーダル行動データセット【JST・京大機械翻訳】

EV-Action: Electromyography-Vision Multi-Modal Action Dataset

著者 (5件)： Wang Lichen (Northeastern University,Department of Electrical and Computer Engineering,USA) ,  Sun Bin (Northeastern University,Department of Electrical and Computer Engineering,USA) ,  Robinson Joseph (Northeastern University,Department of Electrical and Computer Engineering,USA) ,  Jing Taotao (Northeastern University,Department of Electrical and Computer Engineering,USA) ,  Fu Yun (Northeastern University,Department of Electrical and Computer Engineering,USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： FG  ページ： 160-167  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： マルチモーダル人間行動解析は,重要で魅力的な研究題目である。しかしながら,既存のデータセットの大部分は,視覚様式(すなわち,RGB,深さおよび骨格)を提供する。これを作るために,本研究では,RGB,深さ,筋電図(EMG),および2つの骨格様式から成る新しい大規模EV-Actionデータセットを導入した。従来のデータセットと比較して,EV-Actionデータセットには2つの主要な改良がある。1)モーションキャプチャシステムを開発し,高品質スケルトンモダリティを得て,それは骨格,軌道,加速度を高精度,サンプリング周波数,およびより多くのスケルトンマーカーを含むより包括的な運動情報を提供する。(2)生体力学領域における効果的な指標として通常用いられるEMG様式を導入し,また,運動関連研究においてまだ十分に調査されていない。著者らの知る限り,これはEMGモダリティによる最初の行動データセットである。EVA行動データセットの詳細を明らかにし,一方,EMGベースの行動認識のための簡単で効果的なフレームワークを提案した。さらに,最先端のベースラインを適用して,すべてのモダリティの有効性を評価した。得られた結果は,ヒト行動分析タスクにおけるEMGモダリティの有効性を明確に示した。このデータセットは,人間の動き解析,コンピュータビジョン,機械学習,生体力学,および他の学際的分野に重要な貢献をすることができることを期待する。Copyright 2021 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： *視覚 ,  動作分析 ,  加速度 ,  ヒト ,  *筋電図 ,  コンピュータビジョン ,  *多モード ,  境界領域 ,  有効性 ,  機械学習 ,  生体力学
準シソーラス用語： モダリティ ,  サンプリング周波数 ,  高品質 ,  モーションキャプチャシステム , 【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 (6件)： EV ,  筋電図 ,  視覚 ,  マルチモーダル ,  行動 ,  データセット