Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based Human Gesture Perception

要約

現代のオンデマンドコンピューティング環境では、コンテキストを認識したアプリケーションのために多くのセンサーが使用されている。本論文では、畳み込みニューラルネットワーク（CNN）からなるU-NetとEfficientNetという2つの深層学習モデルを利用し、ミリ波（mmWave）レーダーを通して計測したレンジドップラー地図画像におけるハンドジェスチャーの検出とノイズ除去を行っている。分類の性能を向上させるためには、正確な前処理アルゴリズムが不可欠である。したがって、最初のディープラーニングモデル段階に入る前に画像をノイズ除去する新しい前処理アプローチは、分類の精度を向上させる。そこで、本論文では、ディープニューラルネットワークに基づく高性能な非線形前処理法を提案する。

要約(オリジナル)

In modern on-driving computing environments, many sensors are used for context-aware applications. This paper utilizes two deep learning models, U-Net and EfficientNet, which consist of a convolutional neural network (CNN), to detect hand gestures and remove noise in the Range Doppler Map image that was measured through a millimeter-wave (mmWave) radar. To improve the performance of classification, accurate pre-processing algorithms are essential. Therefore, a novel pre-processing approach to denoise images before entering the first deep learning model stage increases the accuracy of classification. Thus, this paper proposes a deep neural network based high-performance nonlinear pre-processing method.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL