文献

J-GLOBAL ID：202202235734635629   整理番号：22A1104307

自己学習自動車快適性機能の開発:少数ショット学習による適応ジェスチャ制御【JST・京大機械翻訳】

Development of a self-learning automotive comfort function: an adaptive gesture control with few-shot-learning

著者 (5件)： Stang Marco (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology,Karlsruhe,Germany) ,  Stock Simon (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology,Karlsruhe,Germany) ,  Muller Simon (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology,Karlsruhe,Germany) ,  Sax Eric (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology,Karlsruhe,Germany) ,  Stork Wilhelm (Institute for Information Processing Technologies (ITIV), Karlsruhe Institute of Technology,Karlsruhe,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCVE  ページ： 1-8  発行年： 2022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： 現代の自動車コックピットに追加されるインフォテメントやナビゲーションシステムのような多数の新しい快適性関数によって,タッチスクリーンは自動車UIのための一次入力システムになるように徐々に成長した。しかし,スクリーンベースのUIナビゲーションは,拡張視覚注意を必要とし,従って,運転中の危険な混乱である。本論文では,各ジェスチャーのためのサンプルの小集合を記録することにより,カスタム動的手ジェスチャを定義するためのドライバを可能にする革新的少数ショット学習実時間ジェスチャ制御システムについて述べた。深さデータの連続ストリームから2D手姿勢を抽出するための深い畳み込みニューラルネットワークを採用することにより,k-NN分類器を用いて,以前に記録されたサンプルの小さな集合とジェスチャーを整合させた。最先端のネットワークアーキテクチャを利用して,著者らの姿勢推定ネットワークは,87%≦98.6%の平均キーポイント距離精度を達成した。それに基づいて,著者らの全体システムは,93.69%の精度で3つのサンプルから,ジェスチャを分類できる。システムは,非最適化Python実装において20fpsで実行して,したがって,十分な量に対するリアルタイム要求を満たした。Copyright 2022 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： 最適化 ,  *学習 ,  *自動車 ,  ネットワーク ,  *快適性 ,  スクリーン ,  二次元 ,  コックピット ,  タッチスクリーン ,  ネットワークアーキテクチャ
準シソーラス用語： 視覚的注意 ,  *自己学習 ,  姿勢推定 ,  ナビゲーションシステム ,  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 (7件)： 自己学習 ,  自動車 ,  快適性 ,  開発 ,  少数ショット学習 ,  適応 ,  ジェスチャ