論文の概要: A novel shape matching descriptor for real-time hand gesture recognition

• arxiv url: http://arxiv.org/abs/2101.03923v2
• Date: Wed, 10 Mar 2021 20:37:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-04 14:40:40.955423
• Title: A novel shape matching descriptor for real-time hand gesture recognition
• Title（参考訳）: リアルタイム手振り認識のための新しい形状マッチング記述子
• Authors: Michalis Lazarou, Bo Li, Tania Stathaki
• Abstract要約: 実時間手振り認識のための新しい形状マッチング手法を提案する。 提案手法は,他の手法よりも優れ,リアルタイムアプリケーションにおける精度と計算効率の優れた組み合わせを提供する。
• 参考スコア（独自算出の注目度）: 11.798555201744596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The current state-of-the-art hand gesture recognition methodologies heavily rely in the use of machine learning. However there are scenarios that machine learning cannot be applied successfully, for example in situations where data is scarce. This is the case when one-to-one matching is required between a query and a dataset of hand gestures where each gesture represents a unique class. In situations where learning algorithms cannot be trained, classic computer vision techniques such as feature extraction can be used to identify similarities between objects. Shape is one of the most important features that can be extracted from images, however the most accurate shape matching algorithms tend to be computationally inefficient for real-time applications. In this work we present a novel shape matching methodology for real-time hand gesture recognition. Extensive experiments were carried out comparing our method with other shape matching methods with respect to accuracy and computational complexity using our own collected hand gesture dataset and a modified version of the MPEG-7 dataset.%that is widely used for comparing 2D shape matching algorithms. Our method outperforms the other methods and provides a good combination of accuracy and computational efficiency for real-time applications.
• Abstract（参考訳）: 現在の手のジェスチャー認識手法は機械学習の利用に大きく依存している。 しかし、例えばデータが不足しているような状況では、機械学習をうまく適用できないシナリオがある。 これは、クエリと各ジェスチャーがユニークなクラスを表すハンドジェスチャのデータセットの間に1対1のマッチングが必要な場合である。 学習アルゴリズムを訓練できない状況では、特徴抽出のような古典的なコンピュータビジョン技術を使ってオブジェクト間の類似性を識別することができる。 形状は画像から抽出できる最も重要な特徴の1つであるが、最も正確な形状マッチングアルゴリズムはリアルタイムアプリケーションでは計算的に非効率である。 本稿では,リアルタイムハンドジェスチャー認識のための新しい形状マッチング手法を提案する。 筆者らが収集した手振りデータセットとMPEG-7データセットの修正版を用いて,本手法と他の形状マッチング手法との比較実験を行った。 提案手法は,他の手法よりも優れ,リアルタイムアプリケーションにおける精度と計算効率の優れた組み合わせを提供する。

関連論文リスト

• Leveraging Interpolation Models and Error Bounds for Verifiable Scientific Machine Learning [0.0]
  我々は、検証可能な科学的機械学習へのベスト・オブ・ワールド・アプローチを提案する。 本稿では,複数の標準手法が効率よく計算あるいは推定できる情報的誤差境界を持つことを示す。 本稿では,エアフォイル画像からリフト・ドラッグ比を予測する手法を提案する。
  論文  参考訳（メタデータ） (2024-04-04T16:52:17Z)
• On the Utility of Probing Trajectories for Algorithm-Selection [0.24475591916185496]
  アルゴリズムの選択に対する機械学習のアプローチは、通常、インスタンスを入力として記述するデータを取る。 我々は、インスタンスの観点から純粋にアルゴリズムの選択を見ることは誤解を招く可能性があると論じる。 本稿では,アルゴリズム選択のためのモデルのトレーニングに使用できるインスタンスを記述するための,新しいアルゴリズム中心の手法を提案する。
  論文  参考訳（メタデータ） (2024-01-23T13:23:59Z)
• Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
  本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。 認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。 我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2023-07-14T03:15:56Z)
• Benchmarking Learning Efficiency in Deep Reservoir Computing [23.753943709362794]
  我々は、機械学習モデルがトレーニングデータからいかに早く学習するかを測定するために、データ効率の指標とともに、ますます困難なタスクのベンチマークを導入する。 我々は、RNN、LSTM、Transformersなどの確立された逐次教師付きモデルの学習速度を、貯水池計算に基づく比較的知られていない代替モデルと比較する。
  論文  参考訳（メタデータ） (2022-09-29T08:16:52Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Towards Interpretable Deep Metric Learning with Structural Matching [86.16700459215383]
  より透過的な埋め込み学習のための深層解釈可能なメトリック学習(DIML)法を提案する。 本手法は,既製のバックボーンネットワークやメトリック学習手法に適用可能な,モデルに依存しない手法である。 我々は,CUB200-2011,Cars196,Stanford Online Productsの3つの大規模メトリクス学習ベンチマークで評価を行った。
  論文  参考訳（メタデータ） (2021-08-12T17:59:09Z)
• Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
  提案手法の性能は, 広く使用されている3つのデータセットで評価される。 ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
  論文  参考訳（メタデータ） (2021-06-08T13:40:30Z)
• Unsupervised Feature Learning for Event Data: Direct vs Inverse Problem Formulation [53.850686395708905]
  イベントベースのカメラは、ピクセルごとの明るさ変化の非同期ストリームを記録する。 本稿では,イベントデータからの表現学習のための単一層アーキテクチャに焦点を当てる。 我々は,最先端手法と比較して,認識精度が最大9%向上したことを示す。
  論文  参考訳（メタデータ） (2020-09-23T10:40:03Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• Deep Geometric Functional Maps: Robust Feature Learning for Shape Correspondence [31.840880075039944]
  非剛体3次元形状間の対応性を計算するための新しい学習手法を提案する。 提案手法の鍵となるのは, 生形状から直接学習する特徴抽出ネットワークである。
  論文  参考訳（メタデータ） (2020-03-31T15:20:17Z)

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。