Fugu-MT 論文翻訳(概要): Hand Pose Classification Based on Neural Networks

論文の概要: Hand Pose Classification Based on Neural Networks

arxiv url: http://arxiv.org/abs/2108.04529v1
Date: Tue, 10 Aug 2021 09:14:51 GMT
ステータス: 処理完了
システム内更新日: 2021-08-11 21:38:07.630032
Title: Hand Pose Classification Based on Neural Networks
Title（参考訳）: ニューラルネットワークを用いた手のポーズ分類
Authors: Rashmi Bakshi
Abstract要約: 本研究は,移動学習に基づく場面における片手・両手・手の存在の分類を実証するものである。 Kerasライブラリの最も単純なNNは、704個の手の動きのイメージでネットワークをトレーニングするために使用される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, deep learning models are applied to a segment of a robust hand-washing dataset that has been created with the help of 30 volunteers. This work demonstrates the classification of presence of one hand, two hands and no hand in the scene based on transfer learning. The pre-trained model; simplest NN from Keras library is utilized to train the network with 704 images of hand gestures and the predictions are carried out for the input image. Due to the controlled and restricted dataset, 100% accuracy is achieved during the training with correct predictions for the input image. Complete handwashing dataset with dense models such as AlexNet for video classification for hand hygiene stages will be used in the future work.
Abstract（参考訳）: 本研究では,30名のボランティアの助けを借りて作成した強固な手洗いデータセットのセグメントに対して,ディープラーニングモデルを適用する。本研究は,移動学習に基づく場面における片手・両手・手の存在の分類を実証するものである。予め訓練されたモデルであり、Kerasライブラリから最も単純なNNを使用して、手ジェスチャーの704イメージでネットワークをトレーニングし、入力画像に対して予測を行う。制御および制限されたデータセットにより、入力画像の正確な予測を行い、トレーニング中に100%精度が達成される。 AlexNetのような高密度モデルによる手洗いデータセットを手衛生段階の動画分類に使用する予定である。

関連論文リスト

Hybrid diffusion models: combining supervised and generative pretraining for label-efficient fine-tuning of segmentation models [55.2480439325792]
そこで本研究では,第1領域における画像のデノベーションとマスク予測を同時に行うことを目的とした,新しいプレテキストタスクを提案する。提案手法を用いて事前学習したモデルを微調整すると、教師なしまたは教師なしの事前学習を用いて訓練した類似モデルの微調整よりも優れた結果が得られることを示す。
論文参考訳（メタデータ） (2024-08-06T20:19:06Z)
Premonition: Using Generative Models to Preempt Future Data Changes in Continual Learning [63.850451635362425]
継続的な学習には、データ分散の継続的な変化に対応するためのモデルが必要である。本稿では,大規模言語モデルと画像生成モデルの組み合わせが有用であることを示す。トレーニング済みネットワークのバックボーンは、下流の連続学習問題に有用な表現を学習できることがわかった。
論文参考訳（メタデータ） (2024-03-12T06:29:54Z)
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 Comparison of Deep Learning Models for the Prediction of Hand Hygiene Videos [0.0]
本稿では,手の衛生的ジェスチャーの分類と予測のために,Exception,Resnet-50,Inception V3などの様々なディープラーニングモデルの比較を行った。データセットはビデオ形式での6つの手動衛生運動で構成されており、30人が参加している。 37%(Xセプションモデル),33%(インセプションV3),72%(ResNet-50)の精度は,25エポックモデルのトレーニング後の分類報告において達成された。
論文参考訳（メタデータ） (2021-11-03T16:15:55Z)
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)
Pre-trained Models for Sonar Images [1.7403133838762446]
このデータセットでトレーニングされたマリン・デブリ・ターンテーブルデータセットを提示し、トレーニング済みニューラルネットワークを生成する。 Resnet 20、MobileNets、DenseNet121、SqueezeNet、MiniXception、Autoencoderを複数の入力イメージサイズでトレーニングします。以上の結果から,両方のデータセットにおいて,事前学習したモデルが,低いサンプルで適切な分類精度を達成できる優れた特徴を生んでいることが示唆された。
論文参考訳（メタデータ） (2021-08-02T18:17:40Z)
Self-supervised Audiovisual Representation Learning for Remote Sensing Data [96.23611272637943]
遠隔センシングにおける深層ニューラルネットワークの事前学習のための自己教師型アプローチを提案する。ジオタグ付きオーディオ記録とリモートセンシングの対応を利用して、これは完全にラベルなしの方法で行われる。提案手法は,既存のリモートセンシング画像の事前学習方法よりも優れていることを示す。
論文参考訳（メタデータ） (2021-08-02T07:50:50Z)
HandVoxNet++: 3D Hand Shape and Pose Estimation using Voxel-Based Neural Networks [71.09275975580009]
HandVoxNet++は、完全に教師された方法でトレーニングされた3Dおよびグラフ畳み込みを備えた、ボクセルベースのディープネットワークである。 HandVoxNet++は2つの手形状表現に依存している。1つは手形状の3Dボキセル化グリッドで、メッシュトポロジを保存していない。我々は、新しいニューラルグラフ畳み込みに基づくメッシュレジストレーション(GCN-MeshReg)または古典的セグメントワイド非リジッド重力法(NRGA++)と、手表面をボキセル化ハンド形状に整列させることにより、両表現の利点を組み合わせる。
論文参考訳（メタデータ） (2021-07-02T17:59:54Z)
Application of Facial Recognition using Convolutional Neural Networks for Entry Access Control [0.0]
本論文は,画像中の人物を入力として捉え,その人物を著者の1人か否かを分類する,教師付き分類問題の解決に焦点をあてる。提案手法は,(1)WoodNetと呼ばれるニューラルネットワークをスクラッチから構築し,トレーニングすること,(2)ImageNetデータベース上に事前トレーニングされたネットワークを利用することで,転送学習を活用すること,の2つである。結果は、データセット内の個人を高い精度で分類し、保持されたテストデータに対して99%以上の精度で達成する2つのモデルである。
論文参考訳（メタデータ） (2020-11-23T07:55:24Z)
Adversarially-Trained Deep Nets Transfer Better: Illustration on Image Classification [53.735029033681435]
トランスファーラーニングは、訓練済みのディープニューラルネットワークを画像認識タスクに新しいドメインに適用するための強力な方法論である。本研究では,非逆学習モデルよりも逆学習モデルの方が優れていることを示す。
論文参考訳（メタデータ） (2020-07-11T22:48:42Z)
Weakly-Supervised Mesh-Convolutional Hand Reconstruction in the Wild [59.158592526006814]
YouTubeビデオに手の動きの大規模なデータセットを収集することで、ネットワークをトレーニングします。私たちの弱い教師付きメッシュ畳み込みベースのシステムは、最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-04-04T14:35:37Z)

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。