論文の概要: Online Recognition of Actions Involving Objects

• arxiv url: http://arxiv.org/abs/2104.06070v1
• Date: Tue, 13 Apr 2021 10:08:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-14 13:37:37.220537
• Title: Online Recognition of Actions Involving Objects
• Title（参考訳）: 物体を含む行動のオンライン認識
• Authors: Zahra Gharaee and Peter G\"ardenfors and Magnus Johnsson
• Abstract要約: オンラインモードで作業するオブジェクトの動作をリアルタイムに認識するオンラインシステムを提案する。 このシステムは、2つの情報処理ストリームを並列にマージする。 提示された方法は、2つの情報処理ストリームを組み合わせて、エージェントが実行したアクションとオブジェクトを決定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We present an online system for real time recognition of actions involving objects working in online mode. The system merges two streams of information processing running in parallel. One is carried out by a hierarchical self-organizing map (SOM) system that recognizes the performed actions by analysing the spatial trajectories of the agent's movements. It consists of two layers of SOMs and a custom made supervised neural network. The activation sequences in the first layer SOM represent the sequences of significant postures of the agent during the performance of actions. These activation sequences are subsequently recoded and clustered in the second layer SOM, and then labeled by the activity in the third layer custom made supervised neural network. The second information processing stream is carried out by a second system that determines which object among several in the agent's vicinity the action is applied to. This is achieved by applying a proximity measure. The presented method combines the two information processing streams to determine what action the agent performed and on what object. The action recognition system has been tested with excellent performance.
• Abstract（参考訳）: オンラインモードで作業するオブジェクトの動作をリアルタイムに認識するオンラインシステムを提案する。 このシステムは並列に実行される2つの情報処理ストリームをマージする。 1つは、エージェントの動きの空間的軌跡を分析して実行された動作を認識する階層的自己組織化マップ(SOM)システムによって実行される。 それは2つのSOM層とカスタムメイドの教師付きニューラルネットワークで構成される。 第1層SOMの活性化シーケンスは、アクションの実行中にエージェントの顕著な姿勢のシーケンスを表す。 これらのアクティベーションシーケンスはその後、第2層SOMに再コードされ、その後、第3層でカスタマイズされた教師付きニューラルネットワークのアクティビティによってラベル付けされる。 第2の情報処理ストリームは、エージェント近傍の複数のオブジェクトのうちどのオブジェクトが適用されるかを決定する第2のシステムによって実行される。 これは近接測度を適用することで達成される。 提案手法は2つの情報処理ストリームを組み合わせて、エージェントが実行したアクションと、どのオブジェクト上で実行したアクションを決定する。 動作認識システムは優れた性能でテストされている。

関連論文リスト

• DOAD: Decoupled One Stage Action Detection Network [77.14883592642782]
  人々をローカライズし、ビデオからアクションを認識することは、ハイレベルなビデオ理解にとって難しい課題だ。 既存の手法は主に2段階ベースで、1段階は人物境界ボックス生成、もう1段階は行動認識を行う。 本稿では、時間的行動検出の効率を向上させるために、DOADと呼ばれる分離したワンステージネットワークを提案する。
  論文  参考訳（メタデータ） (2023-04-01T08:06:43Z)
• 3DMODT: Attention-Guided Affinities for Joint Detection & Tracking in 3D Point Clouds [95.54285993019843]
  本稿では,3次元点雲における複数物体の同時検出と追跡手法を提案する。 本モデルでは,複数のフレームを用いた時間情報を利用してオブジェクトを検出し,一つのネットワーク上で追跡する。
  論文  参考訳（メタデータ） (2022-11-01T20:59:38Z)
• Joint-bone Fusion Graph Convolutional Network for Semi-supervised Skeleton Action Recognition [65.78703941973183]
  本稿では,CD-JBF-GCNをエンコーダとし,ポーズ予測ヘッドをデコーダとして使用する新しい相関駆動型ジョイントボーン・フュージョングラフ畳み込みネットワークを提案する。 具体的には、CD-JBF-GCは、関節ストリームと骨ストリームの間の運動伝達を探索することができる。 自己教師型トレーニング段階におけるポーズ予測に基づくオートエンコーダにより、未ラベルデータから動作表現を学習することができる。
  論文  参考訳（メタデータ） (2022-02-08T16:03:15Z)
• Human Activity Recognition using Attribute-Based Neural Networks and Context Information [61.67246055629366]
  手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。 我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。 提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-10-28T06:08:25Z)
• Cross-modal Consensus Network for Weakly Supervised Temporal Action Localization [74.34699679568818]
  時間的行動局所化 (WS-TAL) は、ビデオレベルの分類的監督によって、ビデオ内のアクションインスタンスをローカライズすることを目的とした課題である。 この問題に対処するためのクロスモーダルコンセンサスネットワーク(CO2-Net)を提案する。
  論文  参考訳（メタデータ） (2021-07-27T04:21:01Z)
• Online recognition of unsegmented actions with hierarchical SOM architecture [0.0]
  オンラインテスト実験におけるセグメンテーション動作の認識のための新しい手法を提案する。 アクションシーケンスのユニークな特徴は、第1層の自己組織化マップによって一連の鍵アクティベーションとして表される。 実験結果から, オフラインテストと比較して, 性能はわずかに低下するが, 提案アーキテクチャが未解決のアクションシーケンスとオンラインパフォーマンスに対処できる能力により, 実ケースシナリオにおいて, より信頼性が高く, 実用的であることが示唆された。
  論文  参考訳（メタデータ） (2021-04-23T14:41:46Z)
• Hierarchical growing grid networks for skeleton based action recognition [0.0]
  成長するグリッドニューラルネットワークの層を応用し,行動認識のための新しい認知アーキテクチャを開発した。 システムは、学習フェーズの処理速度を向上させる入力空間の事前の知識が提供されます。 成長するグリッドアーキテクチャのパフォーマンスは、自己組織化マップに基づくシステムの結果と一致している。
  論文  参考訳（メタデータ） (2021-04-22T16:35:32Z)
• First and Second Order Dynamics in a Hierarchical SOM system for Action Recognition [0.0]
  本稿では,自己組織型マップの階層構造と,行動分類を学習する独自のニューラルネットワークを用いた行動認識システムを提案する。 システムはkinectのような3dカメラからの入力を前処理し、関節の位置だけでなく、第1および第2次ダイナミクスに関する情報を利用する。
  論文  参考訳（メタデータ） (2021-04-13T09:46:40Z)
• Weakly Supervised Temporal Action Localization Through Learning Explicit Subspaces for Action and Context [151.23835595907596]
  ビデオレベルの監視のみの下で、アクションインスタンスの時間的開始と終了をローカライズする方法を学ぶ。 アクションとコンテキストそれぞれについて,2つの機能サブスペースを学習するフレームワークを提案する。 提案手法は3つのベンチマークで最先端のWS-TAL法より優れている。
  論文  参考訳（メタデータ） (2021-03-30T08:26:53Z)
• Two-Stream AMTnet for Action Detection [12.581710073789848]
  本稿では,オンライン行動検出のための新しいディープニューラルネットワークアーキテクチャを提案する。 Two-Stream AMTnetは、標準アクション検出ベンチマークにおける最先端アプローチよりも優れた動作検出性能を示す。
  論文  参考訳（メタデータ） (2020-04-03T12:16:45Z)

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。