Deep Convolutional Neural Networkによる物体認識と領域抽出
2012年頃からDeep Learningという学習手法が注目されています. これまでのニューラルネットワークでは, 汎化性能が低いことが課題となっていましたが, 様々な手法により汎化性能を向上させることができるようになっています. Deep Learningはニューラルネットワークの一種で, ニューラルネットワークのいくつものブレイクスルーにより画像認識や音声認識などで高い性能を得ることが確認されています. 特にConvolutional Neural Networkでは, 画像認識の分野では特に性能が高いことが確認されています.
大規模データの自動生成を導入したDeep Learningによる手形状認識
本研究では, Convolutional Neural Networkを手形状認識に応用し, 小規模な学習サンプルでも汎化性能を向上させるために, Convolutional Neural Networkの学習の枠組みの中で学習サンプルを自動生成して大規模化させる方法を実現しています. 我々の実験では, 5000枚の画像から304万枚を自動生成することで, 形状変化のバリエーションが多い手形状の認識においても認識性能を向上させることを実現しました.
Deep Convolutional Neural Networkによる手形状領域の抽出
ハンドジェスチャ認識は新たなユーザインターフェースとして, テレビの操作や人と機械のインタラクションへの応用が期待されています. 様々な背景下において, 手の同一形状でのバリエーションや照明変動による見えの違いへの対応が実応用に向けて不可欠です. しかしながら, これらの条件を1つの認識手法で解決することは困難です. そこで, 実環境でのハンドジェスチャ認識の実現に向けて, Convolutional Neural Networkによる手の領域を抽出する手法を提案しています.
