論文の概要: PredIN: Towards Open-Set Gesture Recognition via Prediction Inconsistency
- arxiv url: http://arxiv.org/abs/2407.19753v1
- Date: Mon, 29 Jul 2024 07:35:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-30 14:45:43.904353
- Title: PredIN: Towards Open-Set Gesture Recognition via Prediction Inconsistency
- Title（参考訳）: PredIN: 予測整合性によるオープンセットジェスチャー認識を目指して
- Authors: Chen Liu, Can Han, Chengfeng Zhou, Crystal Cai, Dahong Qian,
- Abstract要約: アンサンブル学習手法であるPredINを提案し,アンサンブルの多様性を高めて予測の不整合を増大させる。
提案手法は,事前定義されたジェスチャーに対する正確なクローズドセット分類と未知のジェスチャーに対する効果的な拒絶を同時に達成し,sEMGに基づくオープンセットジェスチャー認識の有効性と優位性を示す。
- 参考スコア（独自算出の注目度）: 2.9693487028932277
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gesture recognition based on surface electromyography (sEMG) has achieved significant progress in human-machine interaction (HMI). However, accurately recognizing predefined gestures within a closed set is still inadequate in practice; a robust open-set system needs to effectively reject unknown gestures while correctly classifying known ones. To handle this challenge, we first report prediction inconsistency discovered for unknown classes due to ensemble diversity, which can significantly facilitate the detection of unknown classes. Based on this insight, we propose an ensemble learning approach, PredIN, to explicitly magnify the prediction inconsistency by enhancing ensemble diversity. Specifically, PredIN maximizes the class feature distribution inconsistency among ensemble members to enhance diversity. Meanwhile, it optimizes inter-class separability within an individual ensemble member to maintain individual performance. Comprehensive experiments on various benchmark datasets demonstrate that the PredIN outperforms state-of-the-art methods by a clear margin.Our proposed method simultaneously achieves accurate closed-set classification for predefined gestures and effective rejection for unknown gestures, exhibiting its efficacy and superiority in open-set gesture recognition based on sEMG.
- Abstract（参考訳）: 表面筋電図(sEMG)に基づくジェスチャー認識は,ヒトと機械の相互作用(HMI)において大きな進歩を遂げている。
しかし、クローズドセット内の事前定義されたジェスチャーを正確に認識することは、実際はまだ不十分であり、堅牢なオープンセットシステムは、未知のジェスチャーを効果的に否定し、既知のジェスチャーを正しく分類する必要がある。
この課題に対処するために,まず,未知のクラスに対するアンサンブルの多様性による不整合の予測を報告し,未知のクラスの検出を著しく促進する。
そこで本研究では,アンサンブル学習手法であるPredINを提案する。
具体的には、PredINは、アンサンブルメンバー間のクラス特徴分布の不整合を最大化し、多様性を高める。
一方、個々のアンサンブルメンバー内のクラス間セパビリティを最適化し、個々のパフォーマンスを維持する。
提案手法は,事前定義されたジェスチャーに対する正確なクローズドセット分類と未知のジェスチャーに対する効果的な拒絶を同時に達成し,sEMGに基づくオープンセットジェスチャー認識の有効性と優位性を示す。
関連論文リスト
- FinePseudo: Improving Pseudo-Labelling through Temporal-Alignablity for Semi-Supervised Fine-Grained Action Recognition [57.17966905865054]
実生活における行動認識の応用は、しばしば微妙な動きのきめ細かい理解を必要とする。
既存の半教師ありアクション認識は主に粗いアクション認識に焦点を当てている。
そこで我々は,微粒なアクションペアの識別を効果的に行うための,アライナビリティ検証に基づくメトリック学習手法を提案する。
論文 参考訳（メタデータ） (2024-09-02T20:08:06Z) - Discussion: Effective and Interpretable Outcome Prediction by Training Sparse Mixtures of Linear Experts [4.178382980763478]
我々は,ゲートと専門家のサブネットの両方がロジスティック回帰器である,スパースミクチャー・オブ・エキスパートを訓練することを提案する。
このアンサンブルのようなモデルは、各サブネット内の入力機能のサブセットを自動的に選択しながら、エンドツーエンドで訓練される。
論文 参考訳（メタデータ） (2024-07-18T13:59:10Z) - An Information Compensation Framework for Zero-Shot Skeleton-based Action Recognition [49.45660055499103]
ゼロショットの人間の骨格に基づく行動認識は、トレーニング中に見られるカテゴリ外の行動を認識するモデルを構築することを目的としている。
従来の研究では、シーケンスの視覚的空間分布と意味的空間分布の整合性に焦点が当てられていた。
強固で頑健な表現を得るために,新たな損失関数サンプリング手法を提案する。
論文 参考訳（メタデータ） (2024-06-02T06:53:01Z) - Towards Open-set Gesture Recognition via Feature Activation Enhancement
and Orthogonal Prototype Learning [4.724899372568309]
ジェスチャー認識は人間と機械の相互作用における基礎的なタスクである。
頑健なシステムにおいて、未知の無関心な動作を効果的に識別し、拒否することが不可欠である。
本稿では,2つの新しい特徴,特徴のアクティベーションレベル,投射の不整合性を利用した,より効果的なPL手法を提案する。
論文 参考訳（メタデータ） (2023-12-05T06:49:15Z) - Active Open-Vocabulary Recognition: Let Intelligent Moving Mitigate CLIP
Limitations [9.444540281544715]
オープン語彙認識のための新しいエージェントを提案する。
提案手法は,クラス固有の知識に頼ることなく,フレーム間の類似性や概念間の類似性を利用してエージェントの動きをナビゲートし,特徴を融合する。
論文 参考訳（メタデータ） (2023-11-28T19:24:07Z) - Learning Common Rationale to Improve Self-Supervised Representation for
Fine-Grained Visual Recognition Problems [61.11799513362704]
我々は、インスタンスやクラスでよく見られる差別的手がかりを識別するための、追加のスクリーニングメカニズムの学習を提案する。
SSL目標から誘導されるGradCAMを単純に利用することで、共通な有理性検出器が学習可能であることを示す。
論文 参考訳（メタデータ） (2023-03-03T02:07:40Z) - An Omnidirectional Approach to Touch-based Continuous Authentication [6.83780085440235]
本稿では,スマートフォン上でのタッチ操作が,タッチスクリーンが捉えた動作を通じて,継続的なユーザ認証サービスを実現する方法に焦点を当てる。
タッチ方向とは無関係に従来の手法より優れる一方向アプローチを提案する。
TouchAlyticsの機能は、3つ以上のストロークを組み合わせれば、私たち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） (2023-01-13T13:58:06Z) - OpenAUC: Towards AUC-Oriented Open-Set Recognition [151.5072746015253]
従来の機械学習は、トレーニングとテストセットが同じラベル空間を共有するという密接な前提に従っている。
Open-Set Recognition (OSR) は、クローズセットサンプルとオープンセットサンプルの両方で正確な予測を行うことを目的としている。
これらの問題を解決するために,OpenAUCという新しいメトリクスを提案する。
論文 参考訳（メタデータ） (2022-10-22T08:54:15Z) - Towards Robust Fine-grained Recognition by Maximal Separation of
Discriminative Features [72.72840552588134]
本研究は, 粒度認識ネットワークにおけるクラス間の潜伏表現の近接性を, 敵攻撃の成功の鍵となる要因として同定する。
注意に基づく正規化機構を導入し、異なるクラスの識別潜在特徴を最大限に分離する。
論文 参考訳（メタデータ） (2020-06-10T18:34:45Z) - Open-Set Recognition with Gaussian Mixture Variational Autoencoders [91.3247063132127]
推論において、オープンセット分類は、サンプルをトレーニングから既知のクラスに分類するか、未知のクラスとして拒絶するかのどちらかである。
我々は,協調的に再構築を学習し,潜在空間におけるクラスベースのクラスタリングを行うよう,我々のモデルを訓練する。
我々のモデルは、より正確で堅牢なオープンセット分類結果を実現し、平均的なF1改善率は29.5%である。
論文 参考訳（メタデータ） (2020-06-03T01:15:19Z)
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。