アンサンブルベース畳込みニューラルネットワークに基づく新しいハンドジェスチャ検出と認識システム【JST・京大機械翻訳】

Sen Abir; Mishra Tapas Kumar; Dash Ratnakar

プレプリント

J-GLOBAL ID：202202203320458164 整理番号：22P0295131

アンサンブルベース畳込みニューラルネットワークに基づく新しいハンドジェスチャ検出と認識システム【JST・京大機械翻訳】

A Novel Hand Gesture Detection and Recognition system based on ensemble-based Convolutional Neural Network

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年02月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

今日,手のジェスチャ認識は人間-機械相互作用の代替となっている。それは,3Dゲーム技術,サイン言語解釈,VR(仮想現実)環境,およびロボット工学のような応用の大面積をカバーした。しかし,手部分の検出はコンピュータビジョンとパターン認識コミュニティにおいて挑戦的な課題となっている。畳み込みニューラルネットワーク(CNN)アーキテクチャのような深層学習アルゴリズムは,分類タスクのための非常に一般的な選択になっているが,CNNアーキテクチャは,予測中の高分散,過剰適合問題,および予測誤差のようないくつかの問題に悩まされている。これらの問題を克服するために,CNNベースのアプローチのアンサンブルをこの論文で提示する。最初に,二値閾値に基づくバックグラウンド分離法を用いて,ジェスチャ部分を検出した。その後,輪郭部分を抽出し,手領域をセグメント化した。次に,画像を再構成し,それらを並列に訓練するために3つの個々のCNNモデルに供給した。最後に,CNNモデルの出力スコアを平均化し,最終予測の最適アンサンブルモデルを構築した。赤外線画像と1つの自己構成データセットを含む2つの公的に利用可能なデータセット(データセット-1とデータセット-2としてラベル付け)を用いて,提案システムを検証した。実験結果を既存の最先端の手法と比較し,提案したアンサンブルモデルが他の既存の提案した方法より優れていることを観測した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能

, ,

前のページに戻る