인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
본 논문에서는 실제 환경에서 사용자의 제스처를 더욱 정확하게 추정하는 방법으로 기존의 랜덤 포레스트(Random Forest, RF) 분류기를 보정하는 Calibrated Random Forest(CRF) 분류 알고리즘과 분류기가 센서 데이터로부터 최대한의 정보를 획득할 수 있도록 하는 여러 특징 벡터의 조합을 제안한다. 대다수의 제스처는 개인차가 굉장히 심하기 때문에 실제 사용 환경에서 사용자로부터 캘리브레이션 데이터를 얻어 이미 학습된 RF 분류기를 보정해 최종 인식 정확도를 향상 시키고자 하였다. 또한 센서 데이터로부터 히스토그램과 표준편차, 리샘플링 된 데이터 등을 특징으로 추출, 조합하여 특징 벡터의 특정성을 높임으로써 분류기의 정확도를 높이고자 하였다. 본 연구에서 제안한 내용의 실험을 위해 30가지의 제스처 데이터를 수집해 특징 벡터 조합의 효과와 CRF 분류기의 정확도를 평가하였다. 센서 및 특징의 조합을 이용해 비교 실험한 결과, 약 95.1%의 정확도로 단일 센서군의 히스토그램만을 사용한 기존의 방법에 비해 최대 20%의 정확도가 향상됨을 확인했으며 CRF는 타 분류기 모델 비교군에 비해 약 48% 향상된 94.2%의 정확도를 보였다. 본 연구를 통해 단일 센서나 특징보다 여러 센서 및 특징을 조합하여 학습하는 것이 더욱 효과적임과 더불어 제안하는 CRF 분류기가 실제 환경에서도 사용자 개인의 제스처를 적절하게 잘 분류함을 확인할 수 있었다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
