論文の概要: Dual Stage Classification of Hand Gestures using Surface Electromyogram
- arxiv url: http://arxiv.org/abs/2005.01711v1
- Date: Mon, 27 Apr 2020 01:11:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-09 04:09:46.801933
- Title: Dual Stage Classification of Hand Gestures using Surface Electromyogram
- Title（参考訳）: 表面筋電図を用いた手指の2段階分類
- Authors: Karush Suri, Rinki Gupta
- Abstract要約: 本研究は,sEMG信号からの把握ジェスチャーの分類のための新しい二段階分類手法を提案する。
提案した2段階分類を用いた分類精度は, 単段階分類と比較して有意に高い値を示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Surface electromyography (sEMG) is becoming exceeding useful in applications
involving analysis of human motion such as in human-machine interface,
assistive technology, healthcare and prosthetic development. The proposed work
presents a novel dual stage classification approach for classification of
grasping gestures from sEMG signals. A statistical assessment of these
activities is presented to determine the similar characteristics between the
considered activities. Similar activities are grouped together. In the first
stage of classification, an activity is identified as belonging to a group,
which is then further classified as one of the activities within the group in
the second stage of classification. The performance of the proposed approach is
compared to the conventional single stage classification approach in terms of
classification accuracies. The classification accuracies obtained using the
proposed dual stage classification are significantly higher as compared to that
for single stage classification.
- Abstract（参考訳）: 表面筋電図(sEMG)は、ヒューマン・マシン・インタフェース、補助技術、医療、義肢の発達など、人間の動作の分析を含む応用において有用である。
本研究は,sEMG信号からの把握ジェスチャーの分類のための新しい二段階分類手法を提案する。
これらの活動の統計的評価を行い、検討された活動の類似した特性を判定する。
同様の活動をまとめて行う。
分類の第1段階では、アクティビティはグループに属するものとして識別され、分類の第2段階ではグループ内のアクティビティの1つとしてさらに分類される。
提案手法の性能は,従来の単一段階分類法と比較した。
提案した2段階分類を用いた分類精度は, 単段階分類と比較して有意に高い値を示した。
関連論文リスト
- Evaluating Unsupervised Text Classification: Zero-shot and
Similarity-based Approaches [0.6767885381740952]
類似性に基づくアプローチは、テキスト文書表現とクラス記述表現の類似性に基づいてインスタンスを分類しようとする。
ゼロショットテキスト分類手法は、未知クラスの適切なラベルをテキスト文書に割り当てることで、トレーニングタスクから得られる知識を一般化することを目的としている。
本稿では, 類似度に基づくゼロショットとゼロショットのアプローチを, 未確認クラスのテキスト分類のために体系的に評価する。
論文 参考訳（メタデータ） (2022-11-29T15:14:47Z) - Parametric Classification for Generalized Category Discovery: A Baseline
Study [70.73212959385387]
Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。
パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。
エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
論文 参考訳（メタデータ） (2022-11-21T18:47:11Z) - Classifying with Uncertain Data Envelopment Analysis [0.0]
本稿では,不完全データの現実を前提とした新しい分類手法を提案する。
本モデルでは、不確実なデータ包絡分析を用いて、公平な効率に対する分類の近接性を定義する。
本研究は, ダウ・ジョーンズ工業平均の30株をパフォーマンスレベルに分類し, 前立腺治療を臨床効果カテゴリーに分類することで結論付けた。
論文 参考訳（メタデータ） (2022-09-02T13:41:19Z) - Learning Discriminative Representation via Metric Learning for
Imbalanced Medical Image Classification [52.94051907952536]
本稿では,特徴抽出器がより識別的な特徴表現を抽出するのを助けるために,2段階フレームワークの第1段階にメトリック学習を組み込むことを提案する。
主に3つの医用画像データセットを用いて実験したところ、提案手法は既存の1段階と2段階のアプローチより一貫して優れていた。
論文 参考訳（メタデータ） (2022-07-14T14:57:01Z) - ACP++: Action Co-occurrence Priors for Human-Object Interaction
Detection [102.9428507180728]
ヒューマン・オブジェクト・インタラクション(HOI)検出のタスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関関係と反相関が存在することを観察した。
我々は、これらの先行知識を学習し、特に稀なクラスにおいて、より効果的な訓練に活用する手法を提案する。
論文 参考訳（メタデータ） (2021-09-09T06:02:50Z) - MCDAL: Maximum Classifier Discrepancy for Active Learning [74.73133545019877]
近年の最先端のアクティブラーニング手法は, 主にGAN(Generative Adversarial Networks)をサンプル取得に活用している。
本稿では,MCDAL(Maximum Discrepancy for Active Learning)と呼ぶ新しいアクティブラーニングフレームワークを提案する。
特に,両者の差分を最大化することにより,より厳密な決定境界を学習する2つの補助的分類層を利用する。
論文 参考訳（メタデータ） (2021-07-23T06:57:08Z) - GAN for Vision, KG for Relation: a Two-stage Deep Network for Zero-shot
Action Recognition [33.23662792742078]
ゼロショット動作認識のための2段階のディープニューラルネットワークを提案する。
サンプリング段階では,授業の動作特徴と単語ベクトルによって訓練されたGAN(Generative Adversarial Network)を利用する。
分類段階において、アクションクラスの単語ベクトルと関連するオブジェクトの関係に基づいて知識グラフを構築する。
論文 参考訳（メタデータ） (2021-05-25T09:34:42Z) - Cooperative Bi-path Metric for Few-shot Learning [50.98891758059389]
数発の分類問題の調査に2つの貢献をしている。
本稿では,従来の教師あり学習法において,ベースクラスで訓練されたシンプルで効果的なベースラインについて報告する。
本稿では, 基礎クラスと新しいクラス間の相関を利用して, 精度の向上を図る, 分類のための協調的二経路計量を提案する。
論文 参考訳（メタデータ） (2020-08-10T11:28:52Z) - Detecting Human-Object Interactions with Action Co-occurrence Priors [108.31956827512376]
人-物間相互作用(HOI)検出タスクにおける一般的な問題は、多数のHOIクラスが少数のラベル付き例しか持たないことである。
我々は、人間と物体の相互作用の間に自然の相関と反相関が存在することを観察した。
我々はこれらの先行知識を学習し、特に稀なクラスにおいてより効果的な訓練に活用する手法を提案する。
論文 参考訳（メタデータ） (2020-07-17T02:47:45Z) - Top-Related Meta-Learning Method for Few-Shot Object Detection [8.144721518458844]
分類タスクのためのTop-C分類損失(TL-C)とメタモデルにより得られたカテゴリベースメタ機能のためのカテゴリベースグループ化機構を提案する。
我々の技術は、数発の撮影で過去の最先端の手法よりも大幅に優れています。
論文 参考訳（メタデータ） (2020-07-14T05:52:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。