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.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2024.10
- 수록면
- 61 - 66 (6page)
이용수
초록· 키워드
오류제보하기
Hand gestures, a fundamental aspect of human non-verbal communication, are often leveraged in the domain of Human-Machine Interaction (HMI) to implement more user-friendly interfaces. In this study, we propose a Convolutional Neural Network (CNN) model designed for efficient motion gesture recognition, designed to be deployed on a smartwatch, using only one Inertial Measurement Unit (IMU) sensor worn on the wrist. By directly processing low-dimensional motion data on linear acceleration and angular velocity, our model demonstrates high performance using a simplified model structure. Furthermore, we explore the potential of applying a transfer learning approach to our CNN model for novel gesture classification problems. This method demonstrates that a well-trained CNN model’s backbone network effectively extracts motion features necessary for the recognition of new gestures. Validation processes in scenarios with limited data-employing specific training-to-test ratios of 1:3, 1:7, and 1:19-allowed for a comparison of our model’s performance against baseline models trained from scratch. Our approach initially achieves an accuracy rate of 99.48±0.25% in recognizing ten distinct motion gestures through the directly processing raw data on linear acceleration and angular velocity directly. Moreover, the transfer learning model outperformed the baseline model trained from scratch with 95.62±0.99%, 93.23±1.41%, 92.81±1.62% accuracy in learning four new gestures under data limitations, respectively. This study shows that the proposed model maintains high performance with lightweight structure, while also highlighting how transfer learning approach can address the challenges of data collection and set the stage for creating more intuitive and user-centric interaction systems.
목차
Abstract
1. INTRODUCTION
2. BACKGROUND
3. METHODOLOGY
4. EXPERIMENTS & RESULTS
5. DISCUSSIONS
6. CONCLUSIONS
REFERENCES
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Proposal of Camera Gesture Recognition System Using Motion Recognition Algorithm
전기전자학회논문지
2022 .03
-
시 공간 정규화를 통한 딥 러닝 기반의 3D 제스처 인식
멀티미디어학회논문지
2018 .05
-
Continuous gesture recognition by using gesture spotting
제어로봇시스템학회 국제학술대회 논문집
2016 .10
-
Hand based Gesture Recognition inside a car through IR-UWB Radar
대한전자공학회 학술대회
2017 .01
-
게임 어플리케이션을 위한 컨볼루션 신경망 기반의 실시간 제스처 인식 연구
멀티미디어학회논문지
2017 .05
-
딥러닝 기반 실시간 손 제스처 인식
멀티미디어학회논문지
2019 .04
-
An Application for Translation of World-wide Gestures
대한전자공학회 학술대회
2017 .01
-
2단계 히든마코프 모델을 이용한 제스쳐의 성능향상 연구
제어로봇시스템학회 논문지
2015 .11
-
Study on Recognition of Hand Gestures Using Convolutional Neural Network
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2019 .06
-
[조흡의 영화이야기] <최악의 하루>: 소통을 가능케 하는 몸짓
대한토목학회지
2017 .03
-
Recognition of Natural Hand Gestures Using Bidirectional Long Short-Term Memory Model
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2018 .12
-
Residual Learning Based CNN for Gesture Recognition in Robot Interaction
JIPS(Journal of Information Processing Systems)
2021 .01
-
실내 모바일 로봇 조작을 위한 손 제스처 조작 방식 제안 및 구현
제어로봇시스템학회 논문지
2025 .01
-
Trajectory Image based Dynamic Gesture Recognition with Convolutional Neural Networks
제어로봇시스템학회 국제학술대회 논문집
2015 .10
-
3D-Convolutional Neural Network for Efficient Hand Gesture Recognition
대한전자공학회 학술대회
2017 .01
-
A Structure and Framework for Sign Language Interaction
대한인간공학회지
2015 .10
-
컴퓨터 제어를 위한 딥러닝 기반의 Hand-gesture 인식 시스템
Proceedings of KIIT Conference
2022 .12
-
주거 공간에서의 3차원 핸드 제스처 인터페이스에 대한 사용자 요구사항
대한산업공학회지
2015 .10
-
Hand Gesture Recognition Using an Infrared Proximity Sensor Array
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2015 .09
-
초음파 배열 시스템 기반의 CNN을 활용한 손짓 인식 정확도 향상
대한전자공학회 학술대회
2023 .06
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0