論文の概要: Forearm Ultrasound based Gesture Recognition on Edge

• arxiv url: http://arxiv.org/abs/2409.09915v1
• Date: Mon, 16 Sep 2024 01:07:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-17 16:50:37.083751
• Title: Forearm Ultrasound based Gesture Recognition on Edge
• Title（参考訳）: 前腕超音波によるエッジ上のジェスチャー認識
• Authors: Keshav Bimbraw, Haichong K. Zhang, Bashima Islam,
• Abstract要約: 本稿では,前腕超音波を用いた手のジェスチャー認識のためのディープニューラルネットワークのエッジデバイスへの展開について検討する。 高い精度と低レイテンシを維持しながら、モデルサイズを大幅に削減する。 リソース制限エッジデバイス上での効率的なリアルタイムジェスチャー認識の実現可能性を示す。
• 参考スコア（独自算出の注目度）: 2.1301560294088318
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultrasound imaging of the forearm has demonstrated significant potential for accurate hand gesture classification. Despite this progress, there has been limited focus on developing a stand-alone end- to-end gesture recognition system which makes it mobile, real-time and more user friendly. To bridge this gap, this paper explores the deployment of deep neural networks for forearm ultrasound-based hand gesture recognition on edge devices. Utilizing quantization techniques, we achieve substantial reductions in model size while maintaining high accuracy and low latency. Our best model, with Float16 quantization, achieves a test accuracy of 92% and an inference time of 0.31 seconds on a Raspberry Pi. These results demonstrate the feasibility of efficient, real-time gesture recognition on resource-limited edge devices, paving the way for wearable ultrasound-based systems.
• Abstract（参考訳）: 前腕の超音波像は手の動きの正確な分類に有意な可能性を秘めている。 この進歩にもかかわらず、モバイル、リアルタイム、よりユーザフレンドリーにするためのスタンドアロンのエンドツーエンドジェスチャー認識システムの開発に限定的な焦点が当てられている。 このギャップを埋めるために,前腕超音波を用いた手の動き認識のためのディープニューラルネットワークのエッジデバイスへの展開について検討する。 量子化技術を用いて,高精度かつ低レイテンシを維持しながら,モデルサイズを大幅に削減する。 我々の最良のモデルであるFloat16量子化は、Raspberry Piでテスト精度92%、推論時間0.31秒を達成する。 これらの結果は、リソース制限されたエッジデバイス上での効率的なリアルタイムジェスチャー認識の実現可能性を示し、ウェアラブル超音波システムへの道を開いた。

関連論文リスト

• Hand Gesture Classification Based on Forearm Ultrasound Video Snippets Using 3D Convolutional Neural Networks [2.1301560294088318]
  前腕超音波は手の動きに伴う筋形態の変化について詳細な情報を提供しており、手の動きを推定するのに使用できる。 従来の研究は、畳み込みニューラルネットワーク(CNN)などの技術を用いて、2次元(2次元)超音波画像フレームの解析に重点を置いてきた。 本研究は3次元CNNに基づく手法を用いて,ジェスチャー認識のための超音波ビデオセグメント内の時間パターンをキャプチャする。
  論文  参考訳（メタデータ） (2024-09-24T19:51:41Z)
• 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)
• 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)
• Improved Static Hand Gesture Classification on Deep Convolutional Neural Networks using Novel Sterile Training Technique [2.534406146337704]
  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。
  論文  参考訳（メタデータ） (2023-05-03T11:10:50Z)
• Braille Letter Reading: A Benchmark for Spatio-Temporal Pattern Recognition on Neuromorphic Hardware [50.380319968947035]
  近年の深層学習手法は,そのようなタスクにおいて精度が向上しているが,従来の組込みソリューションへの実装は依然として計算量が非常に高く,エネルギーコストも高い。 文字読み込みによるエッジにおける触覚パターン認識のための新しいベンチマークを提案する。 フィードフォワードとリカレントスパイキングニューラルネットワーク(SNN)を、サロゲート勾配の時間によるバックプロパゲーションを用いてオフラインでトレーニングし比較し、効率的な推論のためにIntel Loihimorphicチップにデプロイした。 LSTMは14%の精度で繰り返しSNNより優れており、Loihi上での繰り返しSNNは237倍のエネルギーである。
  論文  参考訳（メタデータ） (2022-05-30T14:30:45Z)
• Towards Domain-Independent and Real-Time Gesture Recognition Using mmWave Signal [11.76969975145963]
  DI-Gesture はドメインに依存しないリアルタイムの mmWave ジェスチャー認識システムである。 リアルタイムシナリオでは、DI-Gesutreの精度は平均推定時間2.87msで97%以上に達する。
  論文  参考訳（メタデータ） (2021-11-11T13:28:28Z)
• Deep Learning for Ultrasound Beamforming [120.12255978513912]
  受信した超音波エコーを空間画像領域にマッピングするビームフォーミングは、超音波画像形成チェーンの心臓に位置する。 現代の超音波イメージングは、強力なデジタル受信チャネル処理の革新に大きく依存している。 ディープラーニング手法は、デジタルビームフォーミングパイプラインにおいて魅力的な役割を果たす。
  論文  参考訳（メタデータ） (2021-09-23T15:15:21Z)
• Sensor-Based Continuous Hand Gesture Recognition by Long Short-Term Memory [0.1580926907837365]
  本稿では,Long Short-term memory (LSTM) を用いたセンサを用いた連続手動作認識アルゴリズムを提案する。 スマートフォンをベースとしたプロトタイプシステムを試作し,性能評価を行った。 実験結果から,提案アルゴリズムは頑健かつ正確な手の位置認識の有効な代替手段であることが示された。
  論文  参考訳（メタデータ） (2020-07-22T08:40:40Z)
• Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
  ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。 我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-07-08T21:38:29Z)
• Temporal Pulses Driven Spiking Neural Network for Fast Object Recognition in Autonomous Driving [65.36115045035903]
  スパイキングニューラルネットワーク(SNN)を用いた生時間パルスで直接物体認識問題に対処する手法を提案する。 各種データセットを用いて評価した結果,提案手法は最先端の手法に匹敵する性能を示しながら,優れた時間効率を実現している。
  論文  参考訳（メタデータ） (2020-01-24T22:58:55Z)

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。