Synthetic data generation technique in Signer-independent sign language recognition

Jiang, Feng; Gao, Wen; Yao, Hongxun; Zhao, Debin; Chen, Xilin

doi:10.1016/j.patrec.2008.12.007

Cited by 11 publications

(3 citation statements)

References 24 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Los datos sintéticos como herramienta para poner a prueba métodos y modelos desarrollados se utilizan en diversos campos científicos, tales como reconocimiento y generación de patrones (Jiang et al, 2009), minería de datos (Peng and Hanke, 2016), en aprendizaje automático (Ekbatani et al, 2017), etc.…”

Section: Introductionunclassified

SysGpr: Sistema de generación de señales sintéticas pseudo-realistas

León¹,

Rodríguez-Lozano²,

Cubero-Fernández³

et al. 2019

Rev. iberoam. autom. inform. ind.

View full text Add to dashboard Cite

Las señales obtenidas desde sensores son ampliamente utilizadas en diferentes campos científicos. Sin embargo, no siempre se dispone de los recursos necesarios para obtener dichos datos, debido a limitaciones estructurales, físicas, económicas, ambientales, fallos en la recolección de los datos, etc. Es en este escenario limitante, donde se erige la generación de datos sintéticos. La generación de datos sintéticos tiene la característica de reducir tiempos de espera frente a los largos periodos temporales que necesitan algunos sensores para obtener grandes volúmenes de muestras. Además, los datos generados pueden llegar a ser todo lo robustos que los usuarios necesiten. Por ello este trabajo presenta un sistema de generación de señales sintéticas con carácter pseudo-realista para su uso aplicado a la validación de métodos y diseño de experimentos. El método de la generación de señales propuesto, hace uso de modelos estadísticos y el comportamiento del gradiente de la señal para ir generando nuevos datos. El sistema desarrollado se encuentra disponible públicamente como herramienta web.

show abstract

Section: Introductionunclassified

SysGpr: Sistema de generación de señales sintéticas pseudo-realistas

León¹,

Rodríguez-Lozano²,

Cubero-Fernández³

et al. 2019

Rev. iberoam. autom. inform. ind.

View full text Add to dashboard Cite

show abstract

“…Kim et al [8] used fuzzy min–max neural network to recognise manual alphabets and Korean signs based on data gloves. Fang used fuzzy decision trees and synthetic data generation technique for large vocabulary Chinese sign recognition [9, 10].…”

Section: Introductionmentioning

confidence: 99%

“…The sensor‐based methods have high recognition accuracy because they can precisely catch the movement of hands [9, 10]. However, due to cumbersome and expensiveness of devices, these techniques make less sense in practical usage [11].…”

Section: Introductionmentioning

confidence: 99%

Discriminating features learning in hand gesture classification

Jiang

Wang

et al. 2015

IET Computer Vision

Self Cite

View full text Add to dashboard Cite

The advent and popularity of Kinect provides a new choice and opportunity for hand gesture recognition (HGR) research. In this study, the authors propose a discriminating features extraction for HGR, in which features from red, green and blue (RGB) images and depth images are both explored. More specifically, histogram of oriented gradient feature, local binary pattern feature, structure feature and three‐dimensional voxel feature are first extracted from RGB images and depth images, then these features are further reduced with a novel deflation orthogonal discriminant analysis, which enhances the discriminative ability of the features with supervised subspace projection. The extensive experimental results show that the proposed method improves the HGR performance significantly.

show abstract

Synthetic Training Data Generation for Activity Monitoring and Behavior Analysis

Monekosso

Remagnino

2009

Lecture Notes in Computer Science

View full text Add to dashboard Cite

Synthetic data generation technique in Signer-independent sign language recognition

Cited by 11 publications

References 24 publications

SysGpr: Sistema de generación de señales sintéticas pseudo-realistas

SysGpr: Sistema de generación de señales sintéticas pseudo-realistas

Discriminating features learning in hand gesture classification

Synthetic Training Data Generation for Activity Monitoring and Behavior Analysis

Contact Info

Product

Resources

About