論文の概要: EMG subspace alignment and visualization for cross-subject hand gesture classification

• arxiv url: http://arxiv.org/abs/2401.05386v1
• Date: Mon, 18 Dec 2023 14:32:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 08:44:52.743829
• Title: EMG subspace alignment and visualization for cross-subject hand gesture classification
• Title（参考訳）: クロスオブジェクトハンドジェスチャ分類のためのEMGサブスペースアライメントと可視化
• Authors: Martin Colot, C\'edric Simar, Mathieu Petieau, Ana Maria Cebolla Alvarez, Guy Cheron and Gianluca Bontempi
• Abstract要約: そこで本研究では,14人の人物の筋電図を含む独自のデータセットを用いて,物体間一般化の課題を論じ,分析する。 実験結果から,複数の被験者のプール化に基づく正確な一般化は達成できないが,複数の被験者に対するロバストな低次元部分空間を同定し,対象被験者にアライメントすることで,物体間距離推定を改善することが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.125828876338076
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Electromyograms (EMG)-based hand gesture recognition systems are a promising technology for human/machine interfaces. However, one of their main limitations is the long calibration time that is typically required to handle new users. The paper discusses and analyses the challenge of cross-subject generalization thanks to an original dataset containing the EMG signals of 14 human subjects during hand gestures. The experimental results show that, though an accurate generalization based on pooling multiple subjects is hardly achievable, it is possible to improve the cross-subject estimation by identifying a robust low-dimensional subspace for multiple subjects and aligning it to a target subject. A visualization of the subspace enables us to provide insights for the improvement of cross-subject generalization with EMG signals.
• Abstract（参考訳）: エレクトロミオグラム(EMG)を用いた手ジェスチャー認識システムは,人や機械のインタフェースにおいて有望な技術である。 しかし、その主な制限の1つは、新しいユーザーを扱うのに通常必要とされる長いキャリブレーション時間である。 本論文は,14名の被験者の筋電図信号を含むオリジナルデータセットを用いて,手指ジェスチャにおけるクロスサブジェクト一般化の課題を考察し,解析する。 実験の結果,複数被験者のプーリングに基づく正確な一般化は達成できないが,複数被験者のロバストな低次元部分空間を同定し,対象被験者と整合させることで,クロスサブジェクト推定を改善することが可能であった。 サブスペースの可視化により,emg信号を用いたクロスサブジェクト一般化の改善のための洞察を提供することができる。

関連論文リスト

• FORS-EMG: A Novel sEMG Dataset for Hand Gesture Recognition Across Multiple Forearm Orientations [1.3852370777848657]
  表面筋電図(sEMG)信号はジェスチャー認識と頑健な義手発達に重要な可能性を秘めている。 本研究は、3つの異なる方向をまたいだ手の動きを評価するための新しいMFI sEMGデータセットを提案する。
  論文  参考訳（メタデータ） (2024-09-03T14:23:06Z)
• PhysMLE: Generalizable and Priors-Inclusive Multi-task Remote Physiological Measurement [24.424510759648072]
  本稿では,マルチタスク遠隔生理計測(PhysMLE)のためのローランクエキスパートのエンドツーエンド混合について述べる。 PhysMLEは、新しいルータ機構を持つ複数の低ランクの専門家に基づいており、モデルがタスク内の仕様と相関の両方を十分に扱えるようにしている。 公平かつ包括的な評価のために,マルチソース・シンセマンティック・ドメイン・ジェネリゼーション・プロトコルと呼ばれる大規模マルチタスク・ジェネリゼーション・ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-05-10T02:36:54Z)
• GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
  フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。 公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。 我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
  論文  参考訳（メタデータ） (2024-02-03T03:13:50Z)
• Improving Vision Anomaly Detection with the Guidance of Language Modality [64.53005837237754]
  本稿では,マルチモーダルの観点から視覚モダリティの課題に取り組む。 本稿では,冗長な情報問題とスパース空間問題に対処するために,クロスモーダルガイダンス(CMG)を提案する。 視覚異常検出のためのよりコンパクトな潜在空間を学習するために、CMLEは言語モダリティから相関構造行列を学習する。
  論文  参考訳（メタデータ） (2023-10-04T13:44:56Z)
• A Deep Learning Sequential Decoder for Transient High-Density Electromyography in Hand Gesture Recognition Using Subject-Embedded Transfer Learning [11.170031300110315]
  ハンドジェスチャ認識(HGR)は、AIによる人間コンピュータの利用の増加により注目されている。 これらのインターフェースには、拡張現実の制御、アジャイルの義肢、外骨格など、さまざまなアプリケーションがある。 これらのインターフェースには、拡張現実の制御、アジャイルの義肢、外骨格など、さまざまなアプリケーションがある。
  論文  参考訳（メタデータ） (2023-09-23T05:32:33Z)
• A Multi-label Classification Approach to Increase Expressivity of EMG-based Gesture Recognition [4.701158597171363]
  本研究の目的は,表面筋電図に基づくジェスチャー認識システム(SEMG)の表現性を効率的に向上することである。 動作を2つのバイオメカニカルな独立したコンポーネントに分割する問題変換アプローチを用いる。
  論文  参考訳（メタデータ） (2023-09-13T20:21:41Z)
• The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
  クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。 我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。 我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
  論文  参考訳（メタデータ） (2022-03-10T23:35:00Z)
• Subject Independent Emotion Recognition using EEG Signals Employing Attention Driven Neural Networks [2.76240219662896]
  主観非依存の感情認識が可能な新しいディープラーニングフレームワークを提案する。 タスクを実行するために、アテンションフレームワークを備えた畳み込みニューラルネットワーク(CNN)を提示する。 提案手法は、公開データセットを使用して検証されている。
  論文  参考訳（メタデータ） (2021-06-07T09:41:15Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• Detecting Human-Object Interaction via Fabricated Compositional Learning [106.37536031160282]
  ヒューマンオブジェクトインタラクション(HOI)検出は、高レベルのシーン理解のための基本的なタスクです。 人間は珍しいまたは見えないHOIのサンプルを認識する非常に強力な構成知覚能力があります。 オープン長尾HOI検出の課題を解決するために,FCL(Fabricated Compositional Learning)を提案する。
  論文  参考訳（メタデータ） (2021-03-15T08:52:56Z)
• Novel Human-Object Interaction Detection via Adversarial Domain Generalization [103.55143362926388]
  本研究では,新たな人-物間相互作用(HOI)検出の問題点を考察し,モデルの一般化能力を向上させることを目的とした。 この課題は、主に対象と述語の大きな構成空間に起因し、全ての対象と述語の組み合わせに対する十分な訓練データが欠如している。 本稿では,予測のためのオブジェクト指向不変の特徴を学習するために,対数領域の一般化の統一的な枠組みを提案する。
  論文  参考訳（メタデータ） (2020-05-22T22:02:56Z)

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。