Fugu-MT 論文翻訳(概要): Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based Human Gesture Perception

論文の概要: Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based Human Gesture Perception

arxiv url: http://arxiv.org/abs/2211.03502v1
Date: Mon, 7 Nov 2022 12:42:13 GMT
ステータス: 処理完了
システム内更新日: 2022-11-08 18:32:02.427318
Title: Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based Human Gesture Perception
Title（参考訳）: mmウェーブレーダに基づく人間のジェスチャー知覚のための神経構造非線形前処理
Authors: Hankyul Baek and Yoo Jeong (Anna) Ha and Minjae Yoo and Soyi Jung and Joongheon Kim
Abstract要約: 本稿では,U-NetとEfficientNetという2つのディープラーニングモデルを用いて手の動きを検出し,ミリ波レーダ画像のノイズを除去する。第1深層学習モデルステージに入る前に、画像の復号化を行うための新しい前処理手法により、分類の精度が向上する。
参考スコア（独自算出の注目度）: 10.826849062116748
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In modern on-driving computing environments, many sensors are used for context-aware applications. This paper utilizes two deep learning models, U-Net and EfficientNet, which consist of a convolutional neural network (CNN), to detect hand gestures and remove noise in the Range Doppler Map image that was measured through a millimeter-wave (mmWave) radar. To improve the performance of classification, accurate pre-processing algorithms are essential. Therefore, a novel pre-processing approach to denoise images before entering the first deep learning model stage increases the accuracy of classification. Thus, this paper proposes a deep neural network based high-performance nonlinear pre-processing method.
Abstract（参考訳）: 現代の自動運転コンピューティング環境では、多くのセンサーがコンテキスト認識アプリケーションに使われている。本稿では,畳み込みニューラルネットワーク(cnn)からなる2つのディープラーニングモデル u-net と efficientnet を用いて,ミリ波 (mmwave) レーダを用いて測定した距離ドップラーマップ画像における手指ジェスチャーの検出とノイズ除去を行う。分類性能を向上させるためには,精度の高い前処理アルゴリズムが不可欠である。したがって、第1深層学習モデルステージに入る前に、画像の識別を行う新しい事前処理手法は、分類の精度を高める。そこで本論文では,ディープニューラルネットワークを用いた高性能非線形前処理法を提案する。

関連論文リスト

Enhanced quantum state preparation via stochastic prediction of neural network [0.8287206589886881]
本稿では,ニューラルネットワークの知識盲点を生かして,アルゴリズムの有効性を高めるための興味深い道を探る。本手法は,半導体ダブル量子ドットシステムにおける任意の量子状態の生成に使用される機械学習アルゴリズムを中心にしている。ニューラルネットワークが生成した予測を活用することにより、最適化プロセスの導出により、局所最適化を回避できる。
論文参考訳（メタデータ） (2023-07-27T09:11:53Z)
Improved Static Hand Gesture Classification on Deep Convolutional Neural Networks using Novel Sterile Training Technique [2.534406146337704]
非接触手ポーズと静的ジェスチャー認識は多くのアプリケーションで注目されている。本稿では, ステレオ画像の導入により, 効率的なデータ収集手法と深部CNN訓練手法を提案する。提案されたデータ収集とトレーニング手法を適用すると、静的ハンドジェスチャの分類率が85%から93%に向上する。
論文参考訳（メタデータ） (2023-05-03T11:10:50Z)
Towards Theoretically Inspired Neural Initialization Optimization [66.04735385415427]
我々は,ニューラルネットワークの初期状態を評価するための理論的知見を備えた,GradCosineという微分可能な量を提案する。標準制約下でGradCosineを最大化することにより、ネットワークのトレーニングとテストの両方の性能を向上させることができることを示す。サンプル分析から実際のバッチ設定に一般化されたNIOは、無視可能なコストで、より優れた初期化を自動で探すことができる。
論文参考訳（メタデータ） (2022-10-12T06:49:16Z)
Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
論文参考訳（メタデータ） (2022-04-26T08:09:47Z)
Ultrasound Signal Processing: From Models to Deep Learning [64.56774869055826]
医用超音波画像は、信頼性と解釈可能な画像再構成を提供するために、高品質な信号処理に大きく依存している。データ駆動方式で最適化されたディープラーニングベースの手法が人気を集めている。比較的新しいパラダイムは、データ駆動型ディープラーニングの活用とドメイン知識の活用という2つのパワーを組み合わせたものだ。
論文参考訳（メタデータ） (2022-04-09T13:04:36Z)
CubeLearn: End-to-end Learning for Human Motion Recognition from Raw mmWave Radar Signals [40.53874877651099]
mmWave FMCWレーダーは近年、人間中心の応用に多大な研究関心を集めている。既存のパイプラインのほとんどは、従来のDFT前処理とディープニューラルネットワークハイブリッド方式に基づいて構築されている。生のレーダ信号から特徴を直接抽出する学習可能な前処理モジュールであるCubeLearnを提案する。
論文参考訳（メタデータ） (2021-11-07T00:45:51Z)
NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor Multi-view Stereo [97.07453889070574]
本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
論文参考訳（メタデータ） (2021-09-02T17:54:31Z)
Learning a Model-Driven Variational Network for Deformable Image Registration [89.9830129923847]
VR-Netは、教師なしの変形可能な画像登録のための新しいカスケード可変ネットワークである。登録精度において最先端のディープラーニング手法よりも優れています。ディープラーニングの高速推論速度と変分モデルのデータ効率を維持している。
論文参考訳（メタデータ） (2021-05-25T21:37:37Z)
Lightweight Convolutional Neural Network with Gaussian-based Grasping Representation for Robotic Grasping Detection [4.683939045230724]
現在の物体検出器は、高い精度と高速な推論速度のバランスを取るのが難しい。ロボットつかみポーズ推定を行うための効率的かつ堅牢な完全畳み込みニューラルネットワークモデルを提案する。ネットワークは、他の優れたアルゴリズムよりも桁違いに小さい順序です。
論文参考訳（メタデータ） (2021-01-25T16:36:53Z)
AutoPruning for Deep Neural Network with Dynamic Channel Masking [28.018077874687343]
深層ニューラルネットワークのための学習に基づくオートプルーニングアルゴリズムを提案する。まず、各層に対する重みと最良チャネルを目的とする2つの目的の問題を定式化する。次に、最適なチャネル数と重みを同時に導出するために、別の最適化手法を提案する。
論文参考訳（メタデータ） (2020-10-22T20:12:46Z)
MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
論文参考訳（メタデータ） (2020-01-28T18:25:15Z)

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。