1999 Fiscal Year Annual Research Report
3次元物体の形状変化を認識するネットワークの構築と構造学習アルゴリズムの開発
| Project/Area Number |
10680387
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
岡本 正宏 九州工業大学, 情報工学部, 助教授 (40211122)
|
|---|
| Keywords | 人工ニューラルネット / 動作認識 / GRBFネットワーク / 3次元物体 / 汎化能力 / 手話認識 / データグローブ |
|---|
| Research Abstract |
本年度は、昨年度開発した連続動作認識用GRBFネットワークシステムを用いて、手の複数の動作認識能力を検証することを目的とした。入力データには、手の関節の角度データの時系列データを用い、その取得にはデータグローブを使用した。実験データとして、"にぎる"と"さす"の2つの動作の時系列データの列(50フレーム)をそれぞれ6セット用意し、それぞれ5セットを学習用データ、1セットを教師用データとする。たとえば、学習させるとき、この5セットの学習用データ(ある決めたフレーム番号のデータ)をひとかたまりとし、そのフレーム番号の教師用データを教師信号として学習させる。なお、学習終了後にそのフレームが認識できたかはそのフレームに固有の認識用フラグを設定し、出力されるフラグの値がこの値になるかで判断する。そして、同様の学習を異なるフレーム番号についても行う。学習後、未学習の1動作のデータを入力した際に学習させたフレームの順番に認識用フラグと同じ値が出力されれば、"にぎる"あるいは"さす"の動作であると判断できるのではないかと考えた。1動作50フレームのうち、"にぎる"の3,8,14,23,45の5つのフレーム目と"さす"の8,14,23,45フレーム目の計9つのフレームをひとかたまりとして学習を行わせた。認識用フラグも9つ用意し、各フレームごとにフラグの値を変えて学習させた。学習後、"にぎる"と"さす"の未学習データを入力し、、フラグ出力結果より認識率を出したところ、"にぎる"は83%、"さす"は82%と、かなり高い確率で正しく認識ができた。
|
Research Products
(2 results)
-
[Publications] M.Hirakawa et.al.: "recognition of the sequential motion of the hand by the GRBF network"Proc.of the 5^<th>.Intl.Symp.on artificial Life and robotics(AROB5^<th>'00). 2. 534-538 (2000)
-
[Publications] M.Okamoto et.al.: "recognition of shapes and shape changes in 3D-objects by GRBF network:a structural learning algorithm to explore small-sized networds"Feature analysis,clustering and classification:soft computing approaches(ed,by Nikhil R.Pal,World Scientific). in press.
