文献

J-GLOBAL ID：202202248995155249   整理番号：22A0067145

キャプネットによる静止赤外線画像におけるハンドジェスチャの認識【JST・京大機械翻訳】

Recognizing Hand Gesture in Still Infrared Images by CapsNet

著者 (9件)： Xiao Hongwang (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Yang Yun (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Yu Ke (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Tian Jiao (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Cai Xinyi (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Zhao Ying (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Zhang Kai (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Guo Na (Swinburne University of Technology, Hawthorn, VIC, Australia) ,  Chen Jinjun (Swinburne University of Technology, Hawthorn, VIC, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13080  ページ： 158-172  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,ジェスチャ認識は,多くの実世界アプリケーションにおける大きな可能性のため,コンピュータビジョンコミュニティから多くの注目を集めている。手のジェスチャ認識タスクに対処するためにロバストな手ベースのジェスチャ認識アルゴリズムを設計する必要がある。赤外線画像認識は,照明変動によって妨害されない特性を有した。畳込みニューラルネットワーク(CNN)の有望な代替として,カプセルネットワーク(CapsNet)は,特徴の方位を表現でき,エンティティの特徴間の空間関係を捉えることができ,CapsNetはより高い一般化能力を持っている。本論文では,IRHGR-CapsNetを提案し,静止赤外画像における手ジェスチャ認識を調べた。試験精度,収束能力およびIRHGR-CapsNetの一般化能力を評価するために,著者らは,異なる分割比率に従って,元のデータセットを3つの部分集合に分割し,そして,実験のために4つの異なるデータセット分割モードを得た。すべての4つのデータセット分割モードに関して,ほぼ100.00%の試験精度を達成することができた。また,提案したIRHGR-CapsNetは,強い収束能力と一般化能力を持つことを実証した。Copyright Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  カプセル ,  コミュニティ ,  応用プログラム ,  *赤外線画像 ,  コンピュータビジョン ,  ロバスト性
準シソーラス用語： *身振り ,  ジェスチャー認識 ,  認識アルゴリズム ,  エンティティ ,  *ハンドジェスチャ , 【Automatic Indexing@JST】

著者キーワード (3件)： 手ジェスチャ認識 ,  赤外線画像認識 ,  カプセルネットワーク

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 静止 ,  赤外線画像 ,  ハンドジェスチャ