| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
7ページ |
■発行日
|
2020/01/01 |
| ■タイトル |
カラーグローブを用いた手指輪郭線画像の生成とその手形状パターン認識への応用 |
| ■タイトル(英語) |
Generation of Hand Contour Images using Colored Glove and Its Application to Hand Pattern Recognition |
| ■著者名 |
藤嶋 教彰（松江工業高等専門学校），北尾 樹（松江工業高等専門学校），高橋 歩武（松江工業高等専門学校），堀内 匡（松江工業高等専門学校） |
| ■著者名(英語) |
Noriaki Fujishima (National Institute of Technology, Matsue College), Tatsuki Kitao (National Institute of Technology, Matsue College), Ayumu Takahashi (National Institute of Technology, Matsue College), Tadashi Horiuchi (National Institute of Technology, Matsue College) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【C】電子・情報・システム部門 |
| ■本誌 |
電気学会論文誌C（電子・情報・システム部門誌） Vol.140 No.1 （2020） 特集：電子回路関連技術
|
| ■本誌掲載ページ |
61-67ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejeiss/140/1/140_61/_article/-char/ja/
|
| ■キーワード |
手話認識，手形状パターン認識，畳み込みニューラルネットワーク，カラーグローブ sign language recognition，hand pattern recognition，convolutional neural network，colored glove |
| ■要約(日本語) |
|
| ■要約(英語) |
In this paper, we show the effectiveness to use not only canny edge images but also hand contour images for hand pattern recognition by convolutional neural network (CNN). Hand contour images are binary images with only hand shapes and fingers information including fingers curled information. These hand contour images are generated using the colored glove which we proposed in the previous studies. In the experiments of hand pattern recognition, we investigate recognition accuracy by cross-validation method. Learning model using CNN consists of 4 convolution layers and 4 pooling layers. Moreover, Network In Network (NIN) is adopted as a convolution method. Test dataset is composed of only canny edge images, taking account of applicability for sign language recognition and so on. On the other hand, training dataset is composed of combination of canny edge images and hand contour images. Through the recognition experiments, we confirm the effectiveness of combining hand contour images in training dataset. The highest average recognition accuracy is 96.2% when combination rate of canny edge images and hand contour images is 50:50. This value is 6.9% higher, compared with the case combination rate is 100:0. |
| ■版 型 |
A4 |
|
|
|
