Core Concepts
UWB技術を活用した静的ジェスチャー認識の重要性と成果に焦点を当てる。
Abstract
この論文は、プロプライエタリなUWBレーダーセンサーテクノロジーを活用したUWBベースの静的ジェスチャー認識の堅牢なフレームワークを提供しています。5つの一般的に使用されるジェスチャーを含むデータセットを収集するために広範なデータ収集作業が行われました。我々のアプローチは、外れ値処理、アスペクト比保存リサイズ、および偽色画像変換を含む包括的なデータ前処理パイプラインに関与しています。CNNとMobileNetモデルは処理された画像でトレーニングされました。最も優れたモデルは96.78%の精度を達成しました。さらに、システムリソース使用状況と処理時間を評価するための利便性の高いGUIフレームワークも開発されました。この研究は、UWB技術を使用した静的ジェスチャー認識の向上に向けた重要な一歩であり、さまざまな領域で実用的な応用が約束されています。
Stats
最高精度: 96.78%
メモリ使用量: 平均746 MB(CNN)、平均450 MB(MobileNet)
処理時間: 1秒未満
Quotes
"手振りは人間表現の自然言語であり、HCIメカニズムとして手振りが使用されることでいくつかの明確な利点が得られます"
"静的および動的ジェスチャー両方がHCIに非常に大きな約束を持っている中で、静的ジェスチャー認識は固有の一連の課題を提起します"
"この研究では、プロプライエタリなUltra-Wideband(UWB)レーダー技術が静的ジェスチャーデータの入念な収集にどれほど役立つかを検証します"