CNN-LSTM 결합 모델을 통한 압력 센서 기반 숫자 제스처 인식

Q: 이 논문에서 정의한 CNN-LSTM 결합 모델이란 무엇인가?

Convolutional Neural Network와 Long Short-Term Memory 층을 결합한 딥러닝 모델이다. 이는 휴대폰 후면에 부착된 압력 센서로부터 획득한 사용자의 제스처 데이터를 자동으로 분류하기 위해 제안된 구조로, 데이터 필터링과 특징 추출 및 시계열 분석을 동시에 수행한다.

Q: 압력 센서 기반 숫자 제스처 인식의 정확도를 높이는 방법은 무엇인가?

연구 결과, 혼동 행렬 분석을 통해 오인식 빈도가 높은 제스처들을 그룹으로 묶어 학습시키는 방식이 효과적이다. 특히 숫자 0과 5, 그리고 2, 3, 9를 그룹화하여 학습한 결과, 전체 평균 인식 정확도가 89.0%까지 향상되는 성과를 거두었다.

김서현; 신하림; 한영선; 장원두; 민영재

doi:10.5573/ieie.2023.60.12.52

추천

검색

질문

자료유형: 학술저널

저자정보: 김서현 (부경대학교) 신하림 (부경대학교) 한영선 (부경대학교) 장원두 (부경대학교) 민영재 (한라대학교)

저널정보: 대한전자공학회 전자공학회논문지 전자공학회논문지 제60권 제12호(통권 제553호)

발행연도: 2023.12

수록면: 52 - 58 (7page)

DOI: 10.5573/ieie.2023.60.12.52

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

본 논문은 압력 센서를 통하여 사용자의 제스쳐를 획득하고 이를 자동으로 인식하는 방법을 제시한다. 본 연구에서 사용된 압력 센서는 휴대폰의 후면에 부착하는 방식으로 활용되었으며, 이를 통해 단일 센서만으로 일정 범위의 움직임을 관찰할 수 있다. 압력 센서를 사용하는 제스처 인식은 터치 패널 등을 사용하는 제스처 인식에 비해 저렴한 비용으로 장치를 구성할 수 있으므로, 이를 사용하여 복잡한 패턴을 인식할 수 있다면 하드웨어 장치 구성의 자유도를 높일 수 있을 것으로 기대된다. 모델의 검증을 위해 5400개의 숫자 제스처 데이터가 수집되었으며, 데이터의 자동 분류를 위해 Convolutional neural network과 Long Short-Term Memory층을 결합한 모델이 제안되었다. 실험 결과 10개 숫자 패턴에 대해 79.9%, 7개 패턴에 대해 89.0%의 정확도를 달성하였으며, 이를 통해 압력센서를 사용하는 제스처 인식의 가능성을 볼 수 있다.

#Deep learning #Numeric gesture classification #CNN #LSTM #Pressure sensor

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-088523713

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)