Entrar
insight - 수화 인식
고립된 수화 인식을 위한 공간-시간 부분 인식 네트워크 StepNet
수화 인식을 위해 RGB 부분 기반의 공간-시간 모델링 기법을 제안한다. 이를 통해 손 동작과 얼굴 표정의 관계를 효과적으로 학습할 수 있다.
데이터 부족 환경에서의 교차 데이터셋 수화 동작 인식을 위한 전이 학습
데이터 부족 환경에서 기존 데이터셋을 활용하여 수화 동작 인식 성능을 향상시킬 수 있는 전이 학습 기법을 제안한다.
데이터 부족 환경에서의 교차 데이터셋 고립 수화 인식을 위한 전이 학습
데이터 부족 환경에서 기존 데이터셋을 활용하여 새로운 수화 데이터셋의 인식 성능을 향상시킬 수 있는 전이 학습 기법을 제안한다.
동적 공간-시간 집계를 통한 골격 인식 기반 수화 인식
본 연구는 입력 데이터에 따라 동적으로 관절 간 관계를 구축하고, 복잡한 인간 동작을 효과적으로 모델링하는 새로운 공간-시간 모듈을 제안한다. 이를 통해 기존 방법들을 능가하는 수화 인식 성능을 달성한다.
동적 공간-시간 집계를 통한 골격 인식 기반 수화 인식
본 연구는 입력 데이터에 따라 동적으로 관절 간 관계를 구축하고, 복잡한 인간 동작을 효과적으로 모델링하는 새로운 공간-시간 모듈을 제안한다. 이를 통해 기존 방법들을 능가하는 수화 인식 성능을 달성한다.
동적 공간-시간 집계를 통한 골격 인식 기반 수화 인식
본 연구는 입력 데이터에 따라 동적으로 관절 간 관계를 구축하고, 복잡한 인간 동작을 효과적으로 모델링하는 새로운 공간-시간 모듈을 제안한다. 이를 통해 기존 방법들을 능가하는 수화 인식 성능을 달성한다.
동적 공간-시간 집계를 통한 골격 인식 기반 수화 인식
본 연구는 입력 데이터에 따라 동적으로 관절 간 관계를 구축하고 복잡한 시간적 움직임을 효과적으로 모델링하는 새로운 방법을 제안한다.
Produtos | Recursos
© 2024 by Linnk AI