文献

J-GLOBAL ID：202202259074620155   整理番号：22A0862968

深層学習技術を用いた人間行動分類【JST・京大機械翻訳】

Human Behaviors Classification Using Deep Learning Technique

著者 (3件)： Shun Cheang Chi (Faculty of Electrical and Electronics Engineering Technology, University Malaysia Pahang, Pekan, Pahang, Malaysia) ,  bin Ibrahim Mohd Zamri (Faculty of Electrical and Electronics Engineering Technology, University Malaysia Pahang, Pekan, Pahang, Malaysia) ,  Muhamad Ikhwan Hafiz bin (Faculty of Electrical and Electronics Engineering Technology, University Malaysia Pahang, Pekan, Pahang, Malaysia)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 842  ページ： 867-881  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  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： 人間行動は人間によって実行される行動である。走行,歩行,ジャンプ,座位およびその他の複雑な動きのような様々なタイプの人間行動がある。本論文では,多重層を有するLong Short Term Melm (LSTM)モデルを用いた人間行動ビデオベース分類を提案し,人間行動を分類した。事前訓練姿勢推定モデル,OpenPoseを用いて,Berkeleyマルチモーダル人間行動データベース,MHADデータベースから身体キーポイントを抽出した。訓練と試験には,6つの活動,ジャンピングジャッキ,ポンチング,2つの手によるウォービング,右手によるウォービング,およびMHADデータベースのキャッピング手を用いた。MHADデータベースの個々のフレームは,32のウィンドウ幅にグループ化する。データセットは,32のフレーム重複の26を作り出すことによって増加した。2層LSTMモデル,3層LSTMモデル,ドロップアウト層のない4層LSTMモデル,およびドロップアウト層を有する4層LSTMモデルの性能を評価し,比較した。その結果,ドロップアウト層を有する4層LSTMモデルは,2層LSTMモデルと比較して,より良い性能を持ち,3層LSTMモデルおよびドロップアウト層のない4層LSTMモデルは,95.86%の試験精度に達した。4層を有するLSTMモデルにドロップアウト層を加えることで,訓練プロセスにおける一般化性能が増加した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *データベース ,  分類 ,  ジャッキ ,  運動 ,  人間 ,  座位 ,  多モード ,  姿勢 ,  多層 ,  機械学習 ,  人間行動
準シソーラス用語： 姿勢推定 ,  推定モデル ,  *深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (5件)： LSTM ,  機械学習 ,  姿勢推定 ,  人間の行動 ,  行動分類

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 深層学習 ,  人間行動 ,  分類