論文の概要: HDNet: Hierarchical Dynamic Network for Gait Recognition using
Millimeter-Wave Radar
- arxiv url: http://arxiv.org/abs/2211.00312v1
- Date: Tue, 1 Nov 2022 07:34:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-02 13:24:30.175310
- Title: HDNet: Hierarchical Dynamic Network for Gait Recognition using
Millimeter-Wave Radar
- Title(参考訳): HDNet:ミリ波レーダを用いた歩行認識のための階層的動的ネットワーク
- Authors: Yanyan Huang, Yong Wang, Kun Shi, Chaojie Gu, Yu Fu, Cheng Zhuo,
Zhiguo Shi
- Abstract要約: mmWaveレーダを用いた歩行認識のための階層型動的ネットワーク(HDNet)を提案する。
提案手法の優位性を証明するため,2つの公開ミリ波レーダに基づく歩行認識データセットについて広範な実験を行った。
- 参考スコア(独自算出の注目度): 13.19744551082316
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gait recognition is widely used in diversified practical applications.
Currently, the most prevalent approach is to recognize human gait from RGB
images, owing to the progress of computer vision technologies. Nevertheless,
the perception capability of RGB cameras deteriorates in rough circumstances,
and visual surveillance may cause privacy invasion. Due to the robustness and
non-invasive feature of millimeter wave (mmWave) radar, radar-based gait
recognition has attracted increasing attention in recent years. In this
research, we propose a Hierarchical Dynamic Network (HDNet) for gait
recognition using mmWave radar. In order to explore more dynamic information,
we propose point flow as a novel point clouds descriptor. We also devise a
dynamic frame sampling module to promote the efficiency of computation without
deteriorating performance noticeably. To prove the superiority of our methods,
we perform extensive experiments on two public mmWave radar-based gait
recognition datasets, and the results demonstrate that our model is superior to
existing state-of-the-art methods.
- Abstract(参考訳): 歩行認識は様々な応用に広く用いられている。
現在最も一般的なアプローチは、コンピュータビジョン技術の進歩により、RGB画像から人間の歩行を認識することである。
それでもrgbカメラの認識能力は粗い状況では低下し、視覚監視はプライバシー侵害を引き起こす可能性がある。
ミリ波(mmwave)レーダのロバスト性や非侵襲性により、近年はレーダベースの歩行認識が注目を集めている。
本研究では,mmWaveレーダを用いた歩行認識のための階層型動的ネットワーク(HDNet)を提案する。
よりダイナミックな情報を探るため,新しい点雲記述子としてポイントフローを提案する。
また,動的フレームサンプリングモジュールを考案し,性能を損なうことなく計算効率を向上させる。
提案手法の優位性を証明するため,2つの公開ミリ波レーダに基づく歩行認識データセットについて広範な実験を行い,本モデルが既存の最先端手法よりも優れていることを示す。
関連論文リスト
- Radar-Based Recognition of Static Hand Gestures in American Sign
Language [17.021656590925005]
本研究では,先進レーダ線トレーシングシミュレータによる合成データの有効性について検討した。
シミュレータは直感的な材料モデルを採用し、データ多様性を導入するように調整することができる。
NNを合成データで専用にトレーニングしているにもかかわらず、実際の測定データでテストを行うと、有望な性能を示す。
論文 参考訳(メタデータ) (2024-02-20T08:19:30Z) - Multi-stage Learning for Radar Pulse Activity Segmentation [51.781832424705094]
無線信号認識は電子戦において重要な機能である。
電子戦システムでは、レーダパルス活動の正確な識別と位置決めが要求される。
ディープラーニングに基づくレーダーパルス活動認識法は、ほとんど未検討のままである。
論文 参考訳(メタデータ) (2023-12-15T01:56:27Z) - Semantic Segmentation of Radar Detections using Convolutions on Point
Clouds [59.45414406974091]
本稿では,レーダ検出を点雲に展開する深層学習手法を提案する。
このアルゴリズムは、距離依存クラスタリングと入力点雲の事前処理により、レーダ固有の特性に適応する。
我々のネットワークは、レーダポイント雲のセマンティックセグメンテーションのタスクにおいて、PointNet++に基づく最先端のアプローチよりも優れています。
論文 参考訳(メタデータ) (2023-05-22T07:09:35Z) - Deep Radar Inverse Sensor Models for Dynamic Occupancy Grid Maps [0.0]
本稿では,レーダー検出から極性測定格子へのマッピングを学習するために,深層学習に基づく逆センサモデル(ISM)を提案する。
私たちのアプローチは、視野の限られたレーダーから極性スキームで1フレームの計測グリッドを学習する最初の方法です。
これにより、ネットワークの再トレーニングや360度センサのカバレッジの必要なしに、1つ以上のレーダーセンサーを柔軟に使用することが可能になります。
論文 参考訳(メタデータ) (2023-05-21T09:09:23Z) - DensePose From WiFi [86.61881052177228]
WiFi信号の位相と振幅を24のヒト領域内の紫外線座標にマッピングするディープニューラルネットワークを開発した。
本モデルでは,複数の被験者の密集したポーズを,画像に基づくアプローチと同等の性能で推定することができる。
論文 参考訳(メタデータ) (2022-12-31T16:48:43Z) - Differentiable Frequency-based Disentanglement for Aerial Video Action
Recognition [56.91538445510214]
ビデオにおける人間の行動認識のための学習アルゴリズムを提案する。
我々のアプローチは、主に斜めに配置されたダイナミックカメラから取得されるUAVビデオのために設計されている。
我々はUAV HumanデータセットとNEC Droneデータセットについて広範な実験を行った。
論文 参考訳(メタデータ) (2022-09-15T22:16:52Z) - Cross Vision-RF Gait Re-identification with Low-cost RGB-D Cameras and
mmWave Radars [15.662787088335618]
本研究は, クロスモーダルヒト再識別(ReID)の問題に関する研究である。
マルチモーダル多人数共振器ReIDのための第1種視覚RFシステムを提案する。
提案システムは56名のボランティアのうち92.5%がトップ1の精度、97.5%がトップ5の精度を達成できる。
論文 参考訳(メタデータ) (2022-07-16T10:34:25Z) - Attention-based Dual-stream Vision Transformer for Radar Gait
Recognition [24.90100456414406]
レーダー歩行認識は、光の変動に頑丈で、プライバシーに対する侵害も少ない。
本研究では、注意に基づく融合を伴う2重ストリームニューラルネットワークを提案し、識別情報を完全集約する。
提案手法は,レーダ歩行認識のための大規模なベンチマークデータセット上で検証され,最先端のソリューションよりも著しく優れていることを示す。
論文 参考訳(メタデータ) (2021-11-24T06:16:53Z) - FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。
提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。
Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
論文 参考訳(メタデータ) (2021-08-27T03:07:55Z) - Waveform Selection for Radar Tracking in Target Channels With Memory via
Universal Learning [14.796960833031724]
シーンの状態に関する部分的な情報を用いてレーダーの波形を適応させることは、多くの現実的なシナリオにおいてパフォーマンス上の利点をもたらすことが示されている。
本研究では,レーダ環境インタフェースの圧縮モデルを構築するレーダシステムについて,文脈木として検討する。
提案手法はシミュレーション実験で検証され、2つの最先端波形選択方式による追従性能の向上が示されている。
論文 参考訳(メタデータ) (2021-08-02T21:27:56Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳(メタデータ) (2020-07-28T17:15:02Z)
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。