用于手指计数与数量估计的深度神经网络
计算机视觉与模式识别
2020-05-28 v2 机器学习
机器人学
机器学习
摘要
本文中，我们提出具有深度人工神经网络的神经机器人模型，能够生成手指计数姿势与数字估计。我们首先以无监督方式训练模型，其中每一层被视为受限玻尔兹曼机或自编码器。此类模型进一步以有监督方式训练。该预训练方式在我们的基线模型上测试，并比较两种预训练方法。网络被扩展以产生手指计数姿势。评估了该扩展模型在数字估计上的性能。我们检验了如下假设：子化过程可否由同一个亦用于更高数量估计的单一模型获得。结果确认了无监督训练在我们的枚举任务中的重要性，并显示出在子化情形下与人类行为的某些相似性。
引用
@article{arxiv.1907.05270,
title = {A Deep Neural Network for Finger Counting and Numerosity Estimation},
author = {Leszek Pecyna and Angelo Cangelosi and Alessandro Di Nuovo},
journal= {arXiv preprint arXiv:1907.05270},
year = {2020}
}
备注
8 pages, accepted and presented on a conference. In Proceedings of the 2019 IEEE Symposium Series on Computational Intelligence (SSCI)