ترجمه فارسی مقاله GesturePrint: فعال کردن شناسایی کاربر برای سیستم‌های تشخیص حرکت مبتنی بر mmWave

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی GesturePrint: Enabling User Identification for mmWave-based Gesture Recognition Systems
عنوان مقاله به فارسی GesturePrint: فعال کردن شناسایی کاربر برای سیستم‌های تشخیص حرکت مبتنی بر mmWave
نویسندگان Lilin Xu, Keyi Wang, Chaojie Gu, Xiuzhen Guo, Shibo He, Jiming Chen
فرمت مقاله انگلیسی PDF
تعداد صفحات 12
دسته بندی موضوعات Signal Processing,Computer Vision and Pattern Recognition,Human-Computer Interaction,Machine Learning,پردازش سیگنال , دید رایانه و تشخیص الگوی , تعامل انسان و رایانه , یادگیری ماشین ,
توضیحات Submitted 25 July, 2024; originally announced August 2024. , Comments: Accepted to the 44th IEEE International Conference on Distributed Computing Systems (ICDCS 2024)
توضیحات به فارسی ارسال شده 25 ژوئیه 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده در 44 مین کنفرانس بین المللی IEEE در سیستم های محاسباتی توزیع شده (ICDCS 2024)

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 480,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The millimeter-wave (mmWave) radar has been exploited for gesture recognition. However, existing mmWave-based gesture recognition methods cannot identify different users, which is important for ubiquitous gesture interaction in many applications. In this paper, we propose GesturePrint, which is the first to achieve gesture recognition and gesture-based user identification using a commodity mmWave radar sensor. GesturePrint features an effective pipeline that enables the gesture recognition system to identify users at a minor additional cost. By introducing an efficient signal preprocessing stage and a network architecture GesIDNet, which employs an attention-based multilevel feature fusion mechanism, GesturePrint effectively extracts unique gesture features for gesture recognition and personalized motion pattern features for user identification. We implement GesturePrint and collect data from 17 participants performing 15 gestures in a meeting room and an office, respectively. GesturePrint achieves a gesture recognition accuracy (GRA) of 98.87% with a user identification accuracy (UIA) of 99.78% in the meeting room, and 98.22% GRA with 99.26% UIA in the office. Extensive experiments on three public datasets and a new gesture dataset show GesturePrint's superior performance in enabling effective user identification for gesture recognition systems.

چکیده به فارسی (ترجمه ماشینی)

رادار موج میلی متر (MMWAVE) برای تشخیص ژست مورد سوء استفاده قرار گرفته است.با این حال ، روشهای تشخیص ژست مبتنی بر MMWAVE موجود نمی تواند کاربران مختلف را شناسایی کند ، که برای تعامل ژست همه جا در بسیاری از برنامه ها مهم است.در این مقاله ، ما GesturePrint را پیشنهاد می کنیم ، که اولین کسی است که با استفاده از یک سنسور رادار MMWAVE Commodity ، به شناسایی ژست و شناسایی کاربر مبتنی بر ژست دست پیدا می کند.GesturePrint دارای یک خط لوله مؤثر است که سیستم تشخیص ژست را قادر می سازد تا کاربران را با هزینه اضافی جزئی شناسایی کند.با معرفی یک مرحله پیش پردازش سیگنال کارآمد و یک معماری شبکه Gesidnet ، که از مکانیسم فیوژن ویژگی چند سطحی مبتنی بر توجه استفاده می کند ، ژستورپرین به طور موثری ویژگی های ژست منحصر به فرد را برای تشخیص ژست و ویژگی های الگوی حرکتی شخصی برای شناسایی کاربر استخراج می کند.ما GesturePrint را پیاده سازی می کنیم و داده ها را از 17 شرکت کننده که 15 حرکات را در یک اتاق جلسات و یک دفتر انجام می دهند ، جمع آوری می کنیم.GesturePrint با دقت شناسایی کاربر (UIA) 99.78 ٪ در اتاق جلسه و 98.22 ٪ GRA با 99.26 ٪ UIA در دفتر ، به دقت تشخیص ژست (GRA) 98.87 ٪ دست می یابد.آزمایش های گسترده در سه مجموعه داده عمومی و یک مجموعه داده جدید ژست عملکرد برتر GesturePrint را در فعال کردن شناسایی مؤثر کاربر برای سیستم های تشخیص ژست نشان می دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.