論文の概要: sEMG-based Hand Gesture Recognition with Deep Learning
- arxiv url: http://arxiv.org/abs/2306.10954v1
- Date: Mon, 19 Jun 2023 14:11:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 17:39:24.806515
- Title: sEMG-based Hand Gesture Recognition with Deep Learning
- Title（参考訳）: 深層学習を用いたSEMGを用いた手指ジェスチャー認識
- Authors: Marcello Zanghieri
- Abstract要約: このマスター論文は、Unibo-INAILデータセットにおけるディープラーニングの最初の応用である。
健常者7名中8名を対象に, 腕の姿勢で手振りを6回実施した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hand gesture recognition based on surface electromyographic (sEMG) signals is
a promising approach for developing Human-Machine Interfaces (HMIs) with a
natural control, such as intuitive robot interfaces or poly-articulated
prostheses. However, real-world applications are limited by reliability
problems due to motion artefacts, postural and temporal variability, and sensor
re-positioning. This master thesis is the first application of deep learning on
the Unibo-INAIL dataset, the first public sEMG dataset exploring the
variability between subjects, sessions and arm postures by collecting data over
8 sessions of each of 7 able-bodied subjects executing 6 hand gestures in 4 arm
postures. Recent studies address variability with strategies based on training
set composition, which improve inter-posture and inter-day generalization of
non-deep machine learning classifiers, among which the RBF-kernel SVM yields
the highest accuracy. The deep architecture realized in this work is a 1d-CNN
inspired by a 2d-CNN reported to perform well on other public benchmark
databases. On this 1d-CNN, various training strategies based on training set
composition were implemented and tested. Multi-session training proves to yield
higher inter-session validation accuracies than single-session training.
Two-posture training proves the best postural training (proving the benefit of
training on more than one posture) and yields 81.2% inter-posture test
accuracy. Five-day training proves the best multi-day training, yielding 75.9%
inter-day test accuracy. All results are close to the baseline. Moreover, the
results of multi-day training highlight the phenomenon of user adaptation,
indicating that training should also prioritize recent data. Though not better
than the baseline, the achieved classification accuracies rightfully place the
1d-CNN among the candidates for further research.
- Abstract（参考訳）: 表面筋電図(semg)信号に基づく手のジェスチャー認識は、直感的なロボットインタフェースや多関節義手といった自然な制御を備えたヒューマンマシンインタフェース(hmis)の開発に有望なアプローチである。
しかし、現実の応用は、動作アーチファクト、姿勢および時間的変動、センサ再配置による信頼性の問題によって制限されている。
このマスター論文は、6つの手のジェスチャーを4つの腕の姿勢で実行する7人の有能な被験者の8つのセッションのデータを収集し、被験者、セッション、腕の姿勢の変動を探索する最初の公開segデータセットであるunibo-inailデータセットにおけるディープラーニングの最初の応用である。
近年の研究では、RBFカーネルSVMが最も精度の高い非深度機械学習分類器の姿勢間および日内一般化を改善する訓練セット構成に基づく戦略による可変性について論じている。
この研究で実現された深いアーキテクチャは、他の公開ベンチマークデータベースでうまく機能するように報告された2d-CNNにインスパイアされた1d-CNNである。
この1d-CNNでは、トレーニングセットの構成に基づく様々なトレーニング戦略を実装し、テストした。
マルチセッショントレーニングは、シングルセッショントレーニングよりも高いセッション間検証能力を持つことを証明している。
2姿勢トレーニングは、最高の姿勢訓練(複数の姿勢でのトレーニングの利点を示す)を証明し、81.2%の姿勢テスト精度を得る。
5日間のトレーニングは、最高の複数日間のトレーニングであり、75.9%の試験精度を持つ。
すべての結果はベースラインに近い。
さらに,複数日トレーニングの結果から,ユーザ適応現象が強調され,最近のデータも優先すべきであることが示唆された。
基準よりも優れているわけではないが、達成された分類精度は、さらなる研究の候補に1d-CNNを正しく配置している。
関連論文リスト
- Probing Perfection: The Relentless Art of Meddling for Pulmonary Airway Segmentation from HRCT via a Human-AI Collaboration Based Active Learning Method [13.384578466263566]
肺気管分節症では, 注記データの不足が主訴である。
ディープラーニング(DL)メソッドは、'ブラックボックス'モデルの不透明さとパフォーマンス向上の必要性という課題に直面します。
多様なクエリ戦略とさまざまなDLモデルを組み合わせることで、これらの課題に対処する。
論文 参考訳（メタデータ） (2024-07-03T23:27:53Z) - Combating Missing Modalities in Egocentric Videos at Test Time [92.38662956154256]
現実のアプリケーションは、プライバシの懸念、効率性の必要性、ハードウェアの問題により、不完全なモダリティを伴う問題に直面することが多い。
再トレーニングを必要とせずに,テスト時にこの問題に対処する新しい手法を提案する。
MiDlは、欠落したモダリティをテスト時にのみ扱う、自己管理型のオンラインソリューションとしては初めてのものだ。
論文 参考訳（メタデータ） (2024-04-23T16:01:33Z) - Towards Seamless Adaptation of Pre-trained Models for Visual Place Recognition [72.35438297011176]
視覚的位置認識のための事前学習モデル(VPR)のシームレスな適応を実現する新しい手法を提案する。
具体的には、地域を識別するための有意義なランドマークに焦点を当てたグローバルな特徴とローカルな特徴の両方を得るために、ハイブリッド適応法を設計する。
実験結果から,本手法はトレーニングデータやトレーニング時間が少なく,最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2024-02-22T12:55:01Z) - Spanning Training Progress: Temporal Dual-Depth Scoring (TDDS) for Enhanced Dataset Pruning [50.809769498312434]
我々は、時間的デュアルディープス・スコーリング(TDDS)と呼ばれる新しいデータセット・プルーニング手法を提案する。
本手法は,10%のトレーニングデータで54.51%の精度を達成し,ランダム選択を7.83%以上,他の比較手法を12.69%以上上回る結果を得た。
論文 参考訳（メタデータ） (2023-11-22T03:45:30Z) - Boosting Visual-Language Models by Exploiting Hard Samples [126.35125029639168]
HELIPは、既存のCLIPモデルの性能を高めるための費用対効果戦略である。
我々の方法では、既存のモデルのトレーニングパイプラインと懸命に統合できます。
包括的なベンチマークでは、HELIPはパフォーマンス向上のために既存のモデルを継続的に強化する。
論文 参考訳（メタデータ） (2023-05-09T07:00:17Z) - TWINS: A Fine-Tuning Framework for Improved Transferability of
Adversarial Robustness and Generalization [89.54947228958494]
本稿では,様々な分類タスクにおいて,逆向きに事前訓練されたモデルの微調整に焦点を当てる。
本稿では,TWINS(Two-WIng NormliSation)ファインチューニングフレームワークを提案する。
TWINSは、一般化とロバスト性の両方の観点から、幅広い画像分類データセットに有効であることが示されている。
論文 参考訳（メタデータ） (2023-03-20T14:12:55Z) - Self-critical Sequence Training for Automatic Speech Recognition [25.06635361326706]
本稿では,自己臨界シーケンストレーニング(SCST)と呼ばれる最適化手法を提案する。
強化学習(RL)に基づく手法として、SCSTはトレーニング基準とWERを関連付けるために、カスタマイズされた報酬関数を利用する。
その結果,提案したSCSTは,WERの基準値に対して,それぞれ8.7%,7.8%の相対的な改善が得られた。
論文 参考訳（メタデータ） (2022-04-13T09:13:32Z) - IADA: Iterative Adversarial Data Augmentation Using Formal Verification
and Expert Guidance [1.599072005190786]
本稿では,ニューラルネットワークモデルを学習するための反復的逆データ拡張フレームワークを提案する。
提案するフレームワークは,人工的な2Dデータセット,MNISTデータセット,人間の動作データセットに適用される。
学習モデルのロバスト性や精度を向上させることができることを示す。
論文 参考訳（メタデータ） (2021-08-16T03:05:53Z) - SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up
Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。
具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。
さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文 参考訳（メタデータ） (2021-04-06T13:12:51Z) - Robustly Pre-trained Neural Model for Direct Temporal Relation
Extraction [10.832917897850361]
BERT (Bidirectional Representation using Transformer) のいくつかの変種について検討した。
2012 i2b2 時間関係課題データセットのセマンティックな部分集合である直接時間関係データセットを用いて,これらの手法の評価を行った。
結果: 10倍のコーパスを含む事前学習戦略を取り入れたRoBERTaは,F値の絶対スコア(1.00スケール)を0.0864改善し,SVMモデルで達成した従来の最先端性能と比較して誤差率を24%低減した。
論文 参考訳（メタデータ） (2020-04-13T22:01:38Z)
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。