• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>SIBGRAPI Conference on Graphics, Patterns and Images >Complexity-Aware Assignment of Latent Values in Discriminative Models for Accurate Gesture Recognition
【24h】

Complexity-Aware Assignment of Latent Values in Discriminative Models for Accurate Gesture Recognition

机译：区分模型中潜在值的复杂度感知分配，用于精确手势识别

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Many of the state-of-the-art algorithms for gesture recognition are based on Conditional Random Fields (CRFs). Successful approaches, such as the Latent-Dynamic CRFs, extend the CRF by incorporating latent variables, whose values are mapped to the values of the labels. In this paper we propose a novel methodology to set the latent values according to the gesture complexity. We use an heuristic that iterates through the samples associated with each label value, estimating their complexity. We then use it to assign the latent values to the label values. We evaluate our method on the task of recognizing human gestures from video streams. The experiments were performed in binary datasets, generated by grouping different labels. Our results demonstrate that our approach outperforms the arbitrary one in many cases, increasing the accuracy by up to 10%.
机译：许多最新的手势识别算法都基于条件随机场（CRF）。成功的方法（例如潜在动态CRF）通过合并潜在变量（其值映射到标签的值）来扩展CRF。在本文中，我们提出了一种新颖的方法来根据手势复杂性设置潜值。我们使用一种启发式方法来迭代与每个标签值关联的样本，以估计其复杂性。然后，我们将其用于将潜在值分配给标签值。我们在识别视频流中的人类手势的任务上评估了我们的方法。实验是在二进制数据集中进行的，该数据集是通过对不同标签进行分组而生成的。我们的结果表明，在许多情况下，我们的方法都优于任意方法，将准确性提高了10％。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号