Fugu-MT 論文翻訳(概要): Feature Detection for Hand Hygiene Stages

論文の概要: Feature Detection for Hand Hygiene Stages

arxiv url: http://arxiv.org/abs/2108.03015v1
Date: Fri, 6 Aug 2021 09:21:03 GMT
ステータス: 処理完了
システム内更新日: 2021-08-09 20:00:29.976538
Title: Feature Detection for Hand Hygiene Stages
Title（参考訳）: 手の衛生段階の特徴検出
Authors: Rashmi Bakshi, Jane Courtney, Damon Berry, Graham Gavin
Abstract要約: 世界保健機関(WHO)のガイドラインでは、手を洗うための主要なステップが6つある。本報告では, 頑健な手洗いデータセットを作成するためのアルミニウムリグ構造について詳述する。ハンドポーズ抽出と特徴検出のための画像処理とコンピュータビジョンアルゴリズムの助けを借りた予備的な結果を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The process of hand washing involves complex hand movements. There are six principal sequential steps for washing hands as per the World Health Organisation (WHO) guidelines. In this work, a detailed description of an aluminium rig construction for creating a robust hand-washing dataset is discussed. The preliminary results with the help of image processing and computer vision algorithms for hand pose extraction and feature detection such as Harris detector, Shi-Tomasi and SIFT are demonstrated. The hand hygiene pose- Rub hands palm to palm was captured as an input image for running all the experiments. The future work will focus upon processing the video recordings of hand movements captured and applying deep-learning solutions for the classification of hand-hygiene stages.
Abstract（参考訳）: 手洗いの過程は複雑な手の動きを伴う。世界保健機関(WHO)のガイドラインでは、手を洗うための主要なステップが6つある。本稿では,強固な手洗いデータセットを作成するためのアルミニウム製リグ構造の詳細な説明について述べる。画像処理とコンピュータビジョンアルゴリズムによる手ポーズ抽出と,ハリス検出器,シトマシ,SIFTなどの特徴検出による予備的な結果が示された。手の衛生ポーズ-手のひらから手のひらまでを全ての実験を実行するための入力画像として捉えた。今後の研究は、手の動きのビデオ記録の処理と、手衛生段階の分類のためのディープラーニングソリューションの適用に焦点を当てる。

関連論文リスト

BimArt: A Unified Approach for the Synthesis of 3D Bimanual Interaction with Articulated Objects [70.20706475051347]
BimArtは3Dバイマニュアルハンドインタラクションを音声オブジェクトと合成するための新しい生成手法である。まず, 物体軌道上に配置された距離ベースの接触マップを, 音声認識特徴表現を用いて生成する。学習された接触は手の動き生成装置のガイドに使われ、物体の動きや調音のための多彩で現実的なバイマニュアルの動きが生成されます。
論文参考訳（メタデータ） (2024-12-06T14:23:56Z)
HandRefiner: Refining Malformed Hands in Generated Images by Diffusion-based Conditional Inpainting [72.95232302438207]
拡散モデルは現実的な画像の生成において顕著な成功を収めた。しかし、不正確な指数や不規則な形など、正確な人間の手を生成することに苦しむ。本稿では,HandRefinerという軽量な後処理ソリューションを提案する。
論文参考訳（メタデータ） (2023-11-29T08:52:08Z)
GRIP: Generating Interaction Poses Using Spatial Cues and Latent Consistency [57.9920824261925]
手は器用で多用途なマニピュレータであり、人間が物体や環境とどのように相互作用するかの中心である。現実的な手オブジェクトの相互作用をモデル化することは、コンピュータグラフィックス、コンピュータビジョン、混合現実の応用において重要である。 GRIPは、体と物体の3次元運動を入力として取り、物体の相互作用の前、中、後の両方の両手の現実的な動きを合成する学習ベースの手法である。
論文参考訳（メタデータ） (2023-08-22T17:59:51Z)
Hand Hygiene Assessment via Joint Step Segmentation and Key Action Scorer [32.29065180155029]
ハンド衛生は世界保健機関(WHO)が提唱する6段階の手洗い法である。ステップセグメンテーションとキーアクションスコアラを協調的に行うための,手指の精密な衛生評価のための,新たなきめ細かい学習フレームワークを提案する。医療スタッフの監督のもと,300の動画シーケンスと微粒なアノテーションを含むビデオデータセットをコントリビュートする。
論文参考訳（メタデータ） (2022-09-25T13:47:21Z)
3D Interacting Hand Pose Estimation by Hand De-occlusion and Removal [85.30756038989057]
単一のRGB画像から3Dインタラクションハンドポーズを推定することは、人間の行動を理解するのに不可欠である。本稿では,難易度の高い手ポーズ推定タスクを分解し,各手のポーズを別々に推定することを提案する。実験の結果,提案手法は従来の手ポーズ推定手法よりも有意に優れていた。
論文参考訳（メタデータ） (2022-07-22T13:04:06Z)
Feature Extraction and Prediction for Hand Hygiene Gestures with KNN Algorithm [0.0]
本研究は手洗いの過程に関わる手振りの分析に焦点をあてる。手の輪郭、手の遠心、最大の輪郭に沿った極端手点などの手の特徴を抽出する。
論文参考訳（メタデータ） (2021-12-30T14:56:07Z)
A Deep Learning Based Automated Hand Hygiene Training System [0.12313056815753944]
WHOは、すべての手の表面が完全にきれいであることを保証するため、アルコールベースの手こりのガイドラインを8段階で推奨している。ディープニューラルネットワーク(DNN)とマシンビジョンにより、手こりの品質を正確に評価することが可能になった。本稿では,リアルタイムフィードバックを用いたディープラーニングによる手こり自動評価システムについて述べる。
論文参考訳（メタデータ） (2021-12-10T17:01:44Z)
Hand Hygiene Video Classification Based on Deep Learning [0.0]
手洗いのジェスチャーと片手ジェスチャーを併用した頑健なデータセットのサブセット。トレーニング済みのニューラルネットワークモデルであるRES Net 50は、リニアハンドの動き、手のひらから手のひらまで、指を挟んだ手のひらという3つのカテゴリの分類に使用されるイメージネットの重みを持つ。
論文参考訳（メタデータ） (2021-08-18T12:56:07Z)
Tracking Hand Hygiene Gestures with Leap Motion Controller [0.0]
WHOによると、手洗いの過程は、明確に定義された2つの手書きの動的ジェスチャーの段階に分けられる。本稿では,手洗いの専門家の映像をセグメント化して分析し,その特徴を抽出する。 3DジェスチャートラッカーであるLeap Motion Controller (LEAP) は、これらのステージに関連する手の特徴を追跡し、検出するために使用された。
論文参考訳（メタデータ） (2021-08-11T08:48:39Z)
Learning to Disambiguate Strongly Interacting Hands via Probabilistic Per-pixel Part Segmentation [84.28064034301445]
自己相似性と、それぞれの手にピクセル観察を割り当てるあいまいさは、最終的な3Dポーズエラーの大きな原因である。 1つの単眼画像から2つの手の3次元ポーズを推定する新しい手法であるDIGITを提案する。提案手法は,InterHand2.6Mデータセット上での最先端性能を実現する。
論文参考訳（メタデータ） (2021-07-01T13:28:02Z)
Body2Hands: Learning to Infer 3D Hands from Conversational Gesture Body Dynamics [87.17505994436308]
身体の動きと手の動きは、非言語的コミュニケーション設定において強く相関しているという知見に基づいて構築する。身体の動きのみを入力した場合の3次元手形状の予測タスクとして,この先行学習を定式化する。本モデルでは,3次元手の動きのみを入力として,手の動きを説得力のある3次元手の動きを生成する。
論文参考訳（メタデータ） (2020-07-23T22:58:15Z)

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。