論文の概要: Simultaneous prediction of hand gestures, handedness, and hand keypoints
using thermal images
- arxiv url: http://arxiv.org/abs/2303.01547v1
- Date: Thu, 2 Mar 2023 19:25:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-06 17:16:59.618079
- Title: Simultaneous prediction of hand gestures, handedness, and hand keypoints
using thermal images
- Title（参考訳）: 熱画像を用いた手のジェスチャー・手振り・キーポイントの同時予測
- Authors: Sichao Li, Sean Banerjee, Natasha Kholgade Banerjee, Soumyabrata Dey
- Abstract要約: 赤外線カメラで捉えたサーマルデータを用いて手指のジェスチャー分類,手指検出,手指キーポイントの局所化を同時に行う手法を提案する。
提案手法は,共有エンコーダデコーダ層を含む新しい深層マルチタスク学習アーキテクチャを用いて,各タスクに専用の3つのブランチを付加する。
- 参考スコア（独自算出の注目度）: 0.6087960723103347
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hand gesture detection is a well-explored area in computer vision with
applications in various forms of Human-Computer Interactions. In this work, we
propose a technique for simultaneous hand gesture classification, handedness
detection, and hand keypoints localization using thermal data captured by an
infrared camera. Our method uses a novel deep multi-task learning architecture
that includes shared encoderdecoder layers followed by three branches dedicated
for each mentioned task. We performed extensive experimental validation of our
model on an in-house dataset consisting of 24 users data. The results confirm
higher than 98 percent accuracy for gesture classification, handedness
detection, and fingertips localization, and more than 91 percent accuracy for
wrist points localization.
- Abstract（参考訳）: ハンドジェスチャ検出(英: hand gesture detection)は、様々な形態の人間とコンピュータの相互作用に応用されるコンピュータビジョンの分野である。
本研究では,赤外線カメラで撮影された熱データを用いて,手指ジェスチャー分類,手指検出,手指キーポイント位置推定を同時に行う手法を提案する。
提案手法では,共有エンコーダデコーダ層を含む新しい深層マルチタスク学習アーキテクチャと,各タスク専用の3つのブランチを用いる。
24ユーザデータからなる社内データセット上で,本モデルの広範な実験的検証を行った。
その結果, ジェスチャー分類, 手指先位置検出, 指先定位では98%以上, 手指先定位では99%以上の精度が得られた。
関連論文リスト
- Multi-fingered Robotic Hand Grasping in Cluttered Environments through Hand-object Contact Semantic Mapping [14.674925349389179]
接触セマンティックマップを用いて, 乱雑な環境下でのマルチフィンガーハンドグリップサンプルを生成する手法を開発した。
また,マルチモーダルなマルチフィンガーグリップデータセット生成手法を提案する。
論文 参考訳（メタデータ） (2024-04-12T23:11:36Z) - Agile gesture recognition for capacitive sensing devices: adapting
on-the-job [55.40855017016652]
本システムでは, コンデンサセンサからの信号を手の動き認識器に組み込んだ手動作認識システムを提案する。
コントローラは、着用者5本の指それぞれからリアルタイム信号を生成する。
機械学習技術を用いて時系列信号を解析し,500ms以内で5本の指を表現できる3つの特徴を同定する。
論文 参考訳（メタデータ） (2023-05-12T17:24:02Z) - Real-Time Hand Gesture Identification in Thermal Images [0.0]
我々のシステムは、フレーム内の複数のハンド領域を処理し、リアルタイムアプリケーションで高速に処理することができる。
ジェスチャー10のサーマルイメージデータセットを新たに収集し,手動作認識精度97%を報告した。
論文 参考訳（メタデータ） (2023-03-04T05:02:35Z) - Advancing 3D finger knuckle recognition via deep feature learning [51.871256510747465]
接触のない3Dフィンガーナックルパターンは、識別性、距離からの視認性、利便性、利便性により、効果的な生体認証として出現している。
近年、ディープニューラルネットワークの中間機能を複数のスケールで同時に組み込むディープ・フィーチャー・コラボレーティブ・ネットワークが開発されている。
本稿では,3次元指のナックル画像を表現するために,最小次元の識別特徴ベクトルを学習する可能性を検討することにより,本手法を推し進める。
論文 参考訳（メタデータ） (2023-01-07T20:55:16Z) - Palm Vein Recognition via Multi-task Loss Function and Attention Layer [3.265773263570237]
本稿では,VGG-16伝達学習の融合注意機構に基づく畳み込みニューラルネットワークを,赤外線ヤシ静脈データセットの特徴抽出ネットワークとして利用する。
モデルのロバスト性を検証するため、異なるソースからのデータセットに対していくつかの実験を行った。
同時に、マッチングは高効率であり、ヤシ静脈対あたり平均0.13秒かかる。
論文 参考訳（メタデータ） (2022-11-11T02:32:49Z) - Hand gesture detection in tests performed by older adults [9.00837522898458]
我々は、年齢に伴う手の動きの特徴を分析するオンラインテストを開発している。
手の動きの特徴を得るために、参加者は自分のコンピュータカメラを使って様々な手の動きを行うよう依頼される。
特に高齢者を対象に,高品質な手動動画データを収集することは困難である。
論文 参考訳（メタデータ） (2021-10-27T14:29:01Z) - HighlightMe: Detecting Highlights from Human-Centric Videos [52.84233165201391]
我々は,人間中心のビデオからハイライト可能な抜粋を検出するために,ドメインとユーザに依存しないアプローチを提案する。
本研究では,時空間グラフ畳み込みを用いたオートエンコーダネットワークを用いて,人間の活動やインタラクションを検出する。
我々は,最先端の手法に比べて,人手によるハイライトのマッチングの平均精度が4～12%向上したことを観察した。
論文 参考訳（メタデータ） (2021-10-05T01:18:15Z) - 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) - SHREC 2021: Track on Skeleton-based Hand Gesture Recognition in the Wild [62.450907796261646]
手のジェスチャーの認識は、ソフトウェアによって推定される手の骨格のストリームから直接行うことができる。
最近のスケルトンからのジェスチャーや行動認識の進歩にもかかわらず、現在の最先端技術が現実のシナリオでどの程度うまく機能するかは明らかではない。
本稿では,SHREC 2021: Track on Skeleton-based Hand Gesture Recognition in the Wild contestについて述べる。
論文 参考訳（メタデータ） (2021-06-21T10:57:49Z) - TapNet: The Design, Training, Implementation, and Applications of a
Multi-Task Learning CNN for Off-Screen Mobile Input [75.05709030478073]
本稿では,スマートフォンのタップを検出するマルチタスクネットワークであるTapNetの設計,トレーニング,実装,応用について述べる。
TapNetはデバイス間のデータから共同で学習し、タップ方向やタップ位置を含む複数のタップ特性を同時に認識することができる。
論文 参考訳（メタデータ） (2021-02-18T00:45:41Z) - Gesture Recognition from Skeleton Data for Intuitive Human-Machine
Interaction [0.6875312133832077]
本稿では,手工芸品の集合に基づく動的ジェスチャーのセグメント化と分類のためのアプローチを提案する。
ジェスチャー認識方法はスライディングウィンドウを適用し、空間次元と時間次元の両方から情報を抽出する。
最終的に、認識されたジェスチャーは、協調ロボットと対話するために使用される。
論文 参考訳（メタデータ） (2020-08-26T11:28:50Z)
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。