簡易檢索 / 詳目顯示

研究生: 姚奮辰
Yao, Fen-Chen
論文名稱: 以感測器為基礎快速手勢辨識之研究
以感測器為基礎快速手勢辨識之研究
指導教授: 黃文吉
Hwang, Wen-Jyi
口試委員: 歐謙敏
Ou, Chien-Min
葉佐任
Yeh, Tso-Zen
黃文吉
Hwang, Wen-Jyi
口試日期: 2022/01/25
學位類別: 碩士
Master
系所名稱: 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年: 2022
畢業學年度: 110
語文別: 中文
論文頁數: 44
中文關鍵詞: 手勢辨識
研究方法: 實驗設計法
DOI URL: http://doi.org/10.6345/NTNU202200244
論文種類: 學術論文
相關次數: 點閱:100下載:12
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 第一章 緒論 1 1-1 研究背景與動機 1 1-2 研究目的 2 1-3 基礎理論與技術背景 4 第二章 研究方法 5 2-1 本論文使用之模型 5 2-2 感測器與手勢資料 8 2-3 模型的框架與辨識時的參數量 10 2-4 辨識步驟 23 2-5 辨識延遲 26 第三章 實驗結果 28 3-1 名詞定義 28 3-2 辨識與辨識延遲實驗結果 29 第四章 結論 41 參考文獻 43

    [1] Wu J., Pan G., Zhang D., Qi G., Li S., "Gesture Recognition with a 3-D Accelerometer. " In: Zhang D., Portmann M., Tan AH., Indulska J. (eds) Ubiquitous Intelligence and Computing. UIC 2009. Lecture Notes in Computer Science, vol 5585
    [2] 陳胤霖(2021)。基於CornerNet利用加速度計及陀螺儀達成偵測及辨識手勢之研究。碩士論文,國立臺灣師範大學資訊工程研究所,台北市。
    [3] H. Law and J. Deng. "Cornernet: Detecting objects as paired keypoints. " ECCV, 2018
    [4] K. Duan, S. Bai, L. Xie, H. Qi, Q. Huang and Q. Tian, "CenterNet: Keypoint Triplets for Object Detection," 2019 IEEE/CVF International Conference on Computer Vision (ICCV), 2019, pp. 6568-6577, doi: 10.1109/ICCV.2019.00667.
    [5] 張筠婕(2018)。基於 PairNet 的連續手勢辨識。碩士論文,國立臺灣師範大學資訊工程研究所,台北市。
    [6] K. He, X. Zhang, S. Ren, and J. Sun. "Deep residual learning for image recognition. " In CVPR, 2016
    [7] Maas, A.L., Hannun, A.Y. and Ng, A.Y. "Rectifier Nonlinearities Improve Neural Network Acoustic Models. " Proceedings of the 30th International Conference on Machine Learning, Vol. 28, 3.,2013
    [8] Wu, Yuxin and Kaiming He. "Group Normalization. " ECCV,2018
    [9] Peri, Dheeraj Kumar "Multi-modal learning using deep neural networks" 2018, Thesis. Rochester Institute of Technology.
    [10] Y.-C. Chu, Y.-J. Jhang, T.-M. Tai, and W.-J. Hwang. "Recognition of Hand Gesture Sequences by Accelerometers and Gyroscopes. " Applied Sciences, vol. 10, no. 18, 2020

    下載圖示
    QR CODE