論文の概要: Improved Static Hand Gesture Classification on Deep Convolutional Neural
Networks using Novel Sterile Training Technique
- arxiv url: http://arxiv.org/abs/2305.02039v1
- Date: Wed, 3 May 2023 11:10:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-04 15:03:19.668809
- Title: Improved Static Hand Gesture Classification on Deep Convolutional Neural
Networks using Novel Sterile Training Technique
- Title（参考訳）: 新しいステイスタイルトレーニング手法による深部畳み込みニューラルネットワークの静的手技分類の改善
- Authors: Josiah Smith, Shiva Thiagarajan, Richard Willis, Yiorgos Makris, Murat
Torlak
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.534406146337704
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we investigate novel data collection and training techniques
towards improving classification accuracy of non-moving (static) hand gestures
using a convolutional neural network (CNN) and
frequency-modulated-continuous-wave (FMCW) millimeter-wave (mmWave) radars.
Recently, non-contact hand pose and static gesture recognition have received
considerable attention in many applications ranging from human-computer
interaction (HCI), augmented/virtual reality (AR/VR), and even therapeutic
range of motion for medical applications. While most current solutions rely on
optical or depth cameras, these methods require ideal lighting and temperature
conditions. mmWave radar devices have recently emerged as a promising
alternative offering low-cost system-on-chip sensors whose output signals
contain precise spatial information even in non-ideal imaging conditions.
Additionally, deep convolutional neural networks have been employed extensively
in image recognition by learning both feature extraction and classification
simultaneously. However, little work has been done towards static gesture
recognition using mmWave radars and CNNs due to the difficulty involved in
extracting meaningful features from the radar return signal, and the results
are inferior compared with dynamic gesture classification. This article
presents an efficient data collection approach and a novel technique for deep
CNN training by introducing ``sterile'' images which aid in distinguishing
distinct features among the static gestures and subsequently improve the
classification accuracy. Applying the proposed data collection and training
methods yields an increase in classification rate of static hand gestures from
$85\%$ to $93\%$ and $90\%$ to $95\%$ for range and range-angle profiles,
respectively.
- Abstract（参考訳）: 本稿では,畳み込みニューラルネットワーク (cnn) と周波数変調連続波 (fmcw) ミリ波 (mmwave) レーダを用いた非移動ハンドジェスチャの分類精度を向上させるための新しいデータ収集と訓練手法について検討する。
近年,HCI(Human-Computer Interaction),AR/VR(AR/Virtual Reality),医療応用のための治療範囲など,多くの応用において,非接触手ポーズや静的ジェスチャー認識が注目されている。
現在のほとんどのソリューションは光学または深度カメラに依存しているが、これらの方法は理想的な照明と温度条件を必要とする。
mmwaveレーダデバイスは、非理想的撮像条件においても正確な空間情報を出力信号に含む低コストのシステムオンチップセンサを提供する有望な代替品として最近登場した。
さらに、深い畳み込みニューラルネットワークは、特徴抽出と分類の両方を同時に学習することで、画像認識に広く採用されている。
しかし, レーダー帰還信号から有意な特徴を抽出することの難しさから, mmWave レーダと CNN を用いた静的ジェスチャー認識への取り組みはほとんど行われておらず, 動的ジェスチャー分類よりは劣っている。
本稿では,静的なジェスチャの異なる特徴を識別し,その後に分類精度を向上させる 'sterile' 画像を導入することで,効率的なデータ収集手法と深層cnnトレーニングのための新しい手法を提案する。
提案し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は、それぞれ8,5\%$から9,3\%$に、90,9,5\%$から9,5\%$に上昇する。
関連論文リスト
- Multi-Sensor Fusion for UAV Classification Based on Feature Maps of Image and Radar Data [4.392337343771302]
本稿では,すでに処理されているマルチセンサデータを新しいディープニューラルネットワークに融合させて,UAV検出のための分類精度を高めるシステムを提案する。
このモデルは、熱、光、レーダーデータに関連する個々の物体の検出と分類モデルから抽出された高レベル特徴を融合する。
論文 参考訳（メタデータ） (2024-10-21T15:12:37Z) - 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) - Real-Time Model-Based Quantitative Ultrasound and Radar [65.268245109828]
本稿では,波動伝搬の物理モデルに基づくニューラルネットワークを提案し,受信信号と物理特性の関係を定義した。
我々のネットワークは、複雑で現実的なシナリオのために、1秒未満で複数の物理的特性を再構築することができる。
論文 参考訳（メタデータ） (2024-02-16T09:09:16Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Histogram Layer Time Delay Neural Networks for Passive Sonar
Classification [58.720142291102135]
時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。
提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
論文 参考訳（メタデータ） (2023-07-25T19:47:26Z) - Novel Hybrid-Learning Algorithms for Improved Millimeter-Wave Imaging
Systems [0.0]
この論文は、改良されたmmWaveイメージングシステムのための新しいハイブリッド学習アルゴリズムを導入している。
静的および動的ジェスチャー分類を含む様々な問題空間を探索する。
前方合成開口レーダ(SAR)を用いた高分解能近接場ミリ波イメージング
論文 参考訳（メタデータ） (2023-06-27T09:51:20Z) - 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) - 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) - Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based
Human Gesture Perception [10.826849062116748]
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。
論文 参考訳（メタデータ） (2022-11-07T12:42:13Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Classification of Intra-Pulse Modulation of Radar Signals by Feature
Fusion Based Convolutional Neural Networks [5.199765487172328]
本研究では、パルス内変調型レーダ信号を自動的に認識するディープラーニングに基づく新しい手法を提案する。
提案するFF-CNN技術は,現在の最先端技術よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-05-19T20:18:17Z)
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。