論文の概要: Sensor-Based Continuous Hand Gesture Recognition by Long Short-Term
Memory
- arxiv url: http://arxiv.org/abs/2007.11268v1
- Date: Wed, 22 Jul 2020 08:40:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 23:22:21.097571
- Title: Sensor-Based Continuous Hand Gesture Recognition by Long Short-Term
Memory
- Title(参考訳): 長期記憶によるセンサによる連続手指ジェスチャー認識
- Authors: Tsung-Ming Tai, Yun-Jie Jhang, Zhen-Wei Liao, Kai-Chung Teng, and
Wen-Jyi Hwang
- Abstract要約: 本稿では,Long Short-term memory (LSTM) を用いたセンサを用いた連続手動作認識アルゴリズムを提案する。
スマートフォンをベースとしたプロトタイプシステムを試作し,性能評価を行った。
実験結果から,提案アルゴリズムは頑健かつ正確な手の位置認識の有効な代替手段であることが示された。
- 参考スコア(独自算出の注目度): 0.1580926907837365
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article aims to present a novel sensor-based continuous hand gesture
recognition algorithm by long short-term memory (LSTM). Only the basic
accelerators and/or gyroscopes are required by the algorithm. Given a sequence
of input sensory data, a many-to-many LSTM scheme is adopted to produce an
output path. A maximum a posteriori estimation is then carried out based on the
observed path to obtain the final classification results. A prototype system
based on smartphones has been implemented for the performance evaluation.
Experimental results show that the proposed algorithm is an effective
alternative for robust and accurate hand-gesture recognition.
- Abstract(参考訳): 本稿では,Long Short-term memory (LSTM) を用いたセンサを用いた連続手動作認識アルゴリズムを提案する。
アルゴリズムには基本的な加速器とジャイロスコープのみが必要である。
入力センサデータのシーケンスが与えられると、出力パスを生成するために多対多のLSTMスキームが採用される。
そして、観測された経路に基づいて最大a後方推定を行い、最終的な分類結果を得る。
性能評価のためにスマートフォンを用いたプロトタイプシステムを開発した。
実験の結果,提案手法はロバストで高精度なハンドジェスチャ認識に有効であることがわかった。
関連論文リスト
- HARMamba: Efficient and Lightweight Wearable Sensor Human Activity Recognition Based on Bidirectional Mamba [7.412537185607976]
ウェアラブルセンサーによる人間の活動認識(HAR)は、活動知覚において重要な研究領域である。
HARMambaは、選択的な双方向状態空間モデルとハードウェア対応設計を組み合わせた、革新的な軽量で多用途なHARアーキテクチャである。
HarMambaは現代の最先端フレームワークより優れており、計算とメモリの要求を大幅に削減し、同等またはより良い精度を提供する。
論文 参考訳(メタデータ) (2024-03-29T13:57:46Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳(メタデータ) (2023-05-12T17:24:02Z) - Read Pointer Meters in complex environments based on a Human-like
Alignment and Recognition Algorithm [16.823681016882315]
これらの問題を克服するための人間ライクなアライメントと認識アルゴリズムを提案する。
STM(Spatial Transformed Module)は,画像のフロントビューを自己自律的に取得するために提案される。
VAM(Value Acquisition Module)は、エンドツーエンドのトレーニングフレームワークによって正確なメーター値を推測するために提案される。
論文 参考訳(メタデータ) (2023-02-28T05:37:04Z) - Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern
Recognition on Neuromorphic Hardware [50.380319968947035]
近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。
文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。
フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。
LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
論文 参考訳(メタデータ) (2022-05-30T14:30:45Z) - UMSNet: An Universal Multi-sensor Network for Human Activity Recognition [10.952666953066542]
本稿では,人間行動認識のためのユニバーサルマルチセンサネットワーク(UMSNet)を提案する。
特に,新しい軽量センサ残差ブロック(LSRブロック)を提案する。
我々のフレームワークは明確な構造を持ち、様々な種類のマルチモーダル時系列分類タスクに直接適用することができる。
論文 参考訳(メタデータ) (2022-05-24T03:29:54Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - A Spike Learning System for Event-driven Object Recognition [8.875351982997554]
LiDARやダイナミックビジョンセンサー(DVS)などのイベント駆動センサは、高解像度および高速アプリケーションで注目を集めています。
本稿では,スパイキングニューラルネットワーク(SNN)を用いたスパイキング学習システムを提案する。
論文 参考訳(メタデータ) (2021-01-21T20:57:53Z) - A Novel Anomaly Detection Algorithm for Hybrid Production Systems based
on Deep Learning and Timed Automata [73.38551379469533]
DAD:DeepAnomalyDetectionは,ハイブリッド生産システムにおける自動モデル学習と異常検出のための新しいアプローチである。
深層学習とタイムドオートマトンを組み合わせて、観察から行動モデルを作成する。
このアルゴリズムは実システムからの2つのデータを含む少数のデータセットに適用され、有望な結果を示している。
論文 参考訳(メタデータ) (2020-10-29T08:27:43Z) - SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。
効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。
構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
論文 参考訳(メタデータ) (2020-07-26T12:32:38Z) - Denoising IMU Gyroscopes with Deep Learning for Open-Loop Attitude
Estimation [0.0]
本稿では,慣性計測ユニット(IMU)のジャイロスコープを地中真実データを用いて識別する学習手法を提案する。
得られたアルゴリズムは、(目に見えない)テストシーケンスで最先端の処理を行う。
論文 参考訳(メタデータ) (2020-02-25T08:04:31Z) - Temporal Pulses Driven Spiking Neural Network for Fast Object
Recognition in Autonomous Driving [65.36115045035903]
スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。
各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
論文 参考訳(メタデータ) (2020-01-24T22:58:55Z)
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。