LSTM을 이용한 짧은 동작 기반 특징과 결합을 활용한 1인칭 행동인식 = Egocentric activity recognition based on short-movements aggregation using LSTM and fusion

Cited 0 time in webofscience Cited 0 time in scopus
  • Hit : 346
  • Download : 0
지난 몇십년간 많은 행동인식 연구가 존재했다. 하지만 여기서 행동 인식은 3인칭에서의 행동인식이며 1인칭에서의 행동인식 연구는 오래되지않았다. "3인칭과 1인칭의 차이가 존재하지만 행동인식이라는 관점에서 같은 방향으로 접근할 수 있지 않을까?" 라는 의문이 있을 수 있다. 하지만 같은 방향으로 접근하게 되면 1인칭의 큰 특징인 주로 머리에 착용하고 찍는 장비라는 차이에서 높은 성능을 얻을 수 없었다. 특유의 1인칭이라는 제한된 환경에서는 다른 접근 방법이 필요했으며 수많은 연구자들이 시간정보를 1인칭에 맞춰 잘 가공하여 1인칭에 특화된 옵티컬 플로우(optical flow)를 만들어 내거나 다른 카메라 정보들 예를 들면 깊이(depth)카메라을 혼합하여 사용하였다. 하지만 나는 웨어러블 디바이스 카메라 정보 하나만을 사용하며 시간정보를 기존의 tv-l1 옵티컬 플로우(optical flow) 그대로 사용하되 1인칭 맞춤형 딥러닝 네트워크 구조를 제안하여 높은 성능으로 그 결과를 보여주고자 한다. 그러기 위해 나는 짧은 움직임이라는 정보에 주목해서 정보를 이용하고자 했으며, RGB정보와 잘 어울리기 위한 맞춤형 결합(fusion) 기법을 제시하였고 기존의 논문보다 9퍼센트 높은 성능을 보이고 있다.
Advisors
양현승researcherYang, HyunSeungresearcher
Description
한국과학기술원 :로봇공학학제전공,
Publisher
한국과학기술원
Issue Date
2018
Identifier
325007
Language
kor
Description

학위논문(석사) - 한국과학기술원 : 로봇공학학제전공, 2018.2,[ii, 24 p. :]

Keywords

1인칭 카메라▼a액션카메라▼a행동인식▼a딥러닝▼aLSTM▼a결합(Fusion)▼a짧은 움직임▼a옵티컬 플로우▼a투 스트림; Egocentric video▼afirst person video▼awearable device camera▼aaction recognition▼abehavior recognition▼adeep learning▼aLSTM▼aFusion▼ashort movement▼aoptical flow▼atwo stream

URI
http://hdl.handle.net/10203/266009
Link
http://library.kaist.ac.kr/search/detail/view.do?bibCtrlNo=733776&flag=dissertation
Appears in Collection
RE-Theses_Master(석사논문)
Files in This Item
There are no files associated with this item.

qr_code

  • mendeley

    citeulike


rss_1.0 rss_2.0 atom_1.0