文献

J-GLOBAL ID：202202263446284185   整理番号：22A0807330

畳込みカプセルニューラルネットワークを用いた2D画像からの手ジェスチャ認識【JST・京大機械翻訳】

Hand Gesture Recognition from 2D Images by Using Convolutional Capsule Neural Networks

著者 (2件)： Gueler Osman (Department of Electric Electronic and Computer Engineering, Duzce University, Duzce, Turkey) ,  Yuecedag Ibrahim (Department of Computer Engineering, Duzce University, Duzce, Turkey)
資料名： Arabian Journal for Science and Engineering  (Arabian Journal for Science and Engineering)
巻： 47  号： 2  ページ： 1211-1225  発行年： 2022年 
JST資料番号： W4051A  ISSN： 2193-567X  資料種別： 逐次刊行物 (A)
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： オブジェクト分類と認識はコンピュータビジョンと機械学習で広く使われている重要な研究分野である。物体認識の分野における深層学習法の利用によって,近年,重要な発展があった。物体認識およびそのサブブランチ顔認識,動き認識,および手ジェスチャ認識は,日常生活で使用されるデバイスで現在効果的に使用されている。手のサイン分類と認識は,研究者が人間-コンピュータインタラクションのために開発して,試みる分野である。本研究では,オブジェクト分類のための畳込みニューラルネットワークを用いたカプセルネットワークアルゴリズムを用いて,ハイブリッドモデルを作成した。14の異なる手ジェスチャを含むHG14と名付けたデータセットを作成した。物体認識における提案モデルの成功を測定するために,訓練をHG14,FashionMnist,およびCifar-10データセットで実施した。また,VGG16,ResNet50,高密度Net,およびCapsNetモデルを用いて,HG14,FashionMnist,およびCifar-10データセットにおける画像を分類した。訓練の結果を比較し,評価した。提案したハイブリッドモデルは,HG14データセットで90%,FashionMnistデータセットで93.88%,Cifar-10データセットで81.42%の最高精度を達成した。提案したモデルは,他のモデルと比較して,全ての研究で成功することが分った。Copyright King Fahd University of Petroleum & Minerals 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *ネットワーク ,  ニューラルネットワーク ,  *画像 ,  物体認識 ,  *二次元 ,  コンピュータビジョン ,  コンピュータ ,  機械学習
準シソーラス用語： *身振り ,  *ジェスチャー認識 ,  ハイブリッドモデル ,  オブジェクト分類 ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  手ジェスチャ認識 ,  CNN ,  カプセルネットワーク ,  人間とコンピュータの相互作用 ,  オブジェクト分類

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 畳込み ,  カプセル ,  ニューラルネットワーク ,  2D ,  手 ,  ジェスチャ認識