초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

본 논문에서는 입력 RGB 영상 데이터 내의 추출한 관절정보를 변환하여 심층 학습을 통해 행동 인식을 하는 방법을 제안한다. 제안하는 행동 인식 방법은 영상 내 사람의 관절 중 대표 14개 관절의 영상 속 위치에 대한 좌표 값을 추출하여 변위벡터와 관계벡터로 변환하여 각각을 설계한 보조신경망에 입력하여 분리 학습한다. 설계한 보조신경망은 양방향으로 구현된 중첩 LSTM과 Attention계층, 분류 신경망으로 구성되어 있다. 제안하는 양방향 중첩 ...

본 논문에서는 입력 RGB 영상 데이터 내의 추출한 관절정보를 변환하여 심층 학습을 통해 행동 인식을 하는 방법을 제안한다. 제안하는 행동 인식 방법은 영상 내 사람의 관절 중 대표 14개 관절의 영상 속 위치에 대한 좌표 값을 추출하여 변위벡터와 관계벡터로 변환하여 각각을 설계한 보조신경망에 입력하여 분리 학습한다. 설계한 보조신경망은 양방향으로 구현된 중첩 LSTM과 Attention계층, 분류 신경망으로 구성되어 있다. 제안하는 양방향 중첩 LSTM 모델은 각 보조신경망의 결과로 나온 레이블에 대한 확률 벡터를 요소 별(element-wise)로 곱하여 최종결과를 얻는 다. 이를 같은 데이터 세트를 사용한 동일한 보조신경망에 변위벡터와 관계벡터를 함께 입력하는 모델, 제안하는 모델에서 양방향 모델을 제외한 모델, 중첩 LSTM 대신에 LSTM을 사용한 모델과 기존의 다른 방법들을 적용한 결과와 비교하여 높은 성능을 얻을 수 있음을 확인하였다.

주제어