論文の概要: A Unified Learning Approach for Hand Gesture Recognition and Fingertip Detection

• arxiv url: http://arxiv.org/abs/2101.02047v1
• Date: Wed, 6 Jan 2021 14:05:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 04:57:54.190145
• Title: A Unified Learning Approach for Hand Gesture Recognition and Fingertip Detection
• Title（参考訳）: 手のジェスチャー認識と指先検出のための統一学習手法
• Authors: Mohammad Mahmudul Alam, Mohammad Tariqul Islam, S. M. Mahbubur Rahman
• Abstract要約: 提案アルゴリズムは1つのネットワークを用いて指のクラスと指先の位置の確率を予測する。 提案手法は, 直接回帰法に比べ, 画素誤差を著しく低減する。
• 参考スコア（独自算出の注目度）: 3.145455301228176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In human-computer interaction or sign language interpretation, recognizing hand gestures and detecting fingertips become ubiquitous in computer vision research. In this paper, a unified approach of convolutional neural network for both hand gesture recognition and fingertip detection is introduced. The proposed algorithm uses a single network to predict the probabilities of finger class and positions of fingertips in one forward propagation of the network. Instead of directly regressing the positions of fingertips from the fully connected layer, the ensemble of the position of fingertips is regressed from the fully convolutional network. Subsequently, the ensemble average is taken to regress the final position of fingertips. Since the whole pipeline uses a single network, it is significantly fast in computation. The proposed method results in remarkably less pixel error as compared to that in the direct regression approach and it outperforms the existing fingertip detection approaches including the Heatmap-based framework.
• Abstract（参考訳）: 人間とコンピュータの相互作用や手話の解釈では、手の動きを認識し、指先を検出することがコンピュータビジョン研究においてユビキタスになる。 本稿では,手指のジェスチャー認識と指先検出のための畳み込みニューラルネットワークの統一的アプローチを提案する。 提案アルゴリズムは1つのネットワークを用いて,ネットワークの前方伝播における指先と指先の位置の確率を予測する。 完全に接続された層から指先の位置を直接後退させる代わりに、指先の位置のアンサンブルを完全な畳み込みネットワークから後退させる。 その後、アンサンブル平均をとり、指先の最終位置を後退させる。 パイプライン全体が単一のネットワークを使用するため、計算速度は大幅に速い。 提案手法は,直接回帰法に比べて画素誤差が著しく減少し,ヒートマップベースのフレームワークを含む既存の指先検出法を上回った。

関連論文リスト

• FingerNet: EEG Decoding of A Fine Motor Imagery with Finger-tapping Task Based on A Deep Neural Network [4.613725465729454]
  本研究は、微細MI分類のための特殊なネットワークであるFingerNetを紹介する。 5つの指タップタスクの分類では, 精度が有意に高かった。 偏りのある予測、特に親指と指数のクラスについては、重み付きクロスエントロピーの実装に導いた。
  論文  参考訳（メタデータ） (2024-03-06T08:05:53Z)
• EXPRESSNET: An Explainable Residual Slim Network for Fingerprint Presentation Attack Detection [3.6296396308298795]
  プレゼンテーション攻撃は、自動指紋認識システムのセキュリティを維持する上で難しい問題である。 本稿では,入力指紋サンプルの視覚的特徴を表現して提示攻撃を検出する,説明可能な残留スリムネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-16T12:29:50Z)
• 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)
• Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
  接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。 近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。 本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
  論文  参考訳（メタデータ） (2023-01-07T20:55:16Z)
• AFR-Net: Attention-Driven Fingerprint Recognition Network [47.87570819350573]
  指紋認識を含む生体認証における視覚変換器(ViT)の使用に関する初期研究を改善する。 ネットワーク内の中間特徴マップから抽出した局所的な埋め込みを用いて,グローバルな埋め込みを低確かさで洗練する手法を提案する。 この戦略は、既存のディープラーニングネットワーク(アテンションベース、CNNベース、あるいはその両方を含む)のラッパーとして適用することで、パフォーマンスを向上させることができる。
  論文  参考訳（メタデータ） (2022-11-25T05:10:39Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• Anomaly Detection on Attributed Networks via Contrastive Self-Supervised Learning [50.24174211654775]
  本論文では,アトリビュートネットワーク上の異常検出のためのコントラスト型自己監視学習フレームワークを提案する。 このフレームワークは、新しいタイプのコントラストインスタンスペアをサンプリングすることで、ネットワークデータからのローカル情報を完全に活用します。 高次元特性と局所構造から情報埋め込みを学習するグラフニューラルネットワークに基づくコントラスト学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-02-27T03:17:20Z)
• Understanding the hand-gestures using Convolutional Neural Networks and Generative Adversial Networks [0.0]
  このシステムは、リアルタイムハンドトラッキング、トレーニングジェスチャ、および畳み込みニューラルネットワークを用いたジェスチャー認識の3つのモジュールで構成されている。 アルファベットや数字を含む36のジェスチャーの語彙でテストされ、アプローチの有効性が検証されている。
  論文  参考訳（メタデータ） (2020-11-10T02:20:43Z)
• Network Adjustment: Channel Search Guided by FLOPs Utilization Ratio [101.84651388520584]
  本稿では,ネットワークの精度をFLOPの関数として考慮した,ネットワーク調整という新しいフレームワークを提案する。 標準画像分類データセットと幅広いベースネットワークの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2020-04-06T15:51:00Z)
• 3D dynamic hand gestures recognition using the Leap Motion sensor and convolutional neural networks [0.0]
  本稿では,Leap Motionセンサーを用いて取得した非静的なジェスチャーの認識方法を提案する。 取得したジェスチャー情報をカラー画像に変換し、ジェスチャー中の手関節位置の変化を平面に投影する。 ジェスチャーの分類はDeep Convolutional Neural Network (CNN)を用いて行われる。
  論文  参考訳（メタデータ） (2020-03-03T11:05:35Z)

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。