SHREC'17 Track: 3D Hand Gesture Recognition Using a Depth and Skeletal Dataset

de Smedt, Quentin; Wannous, Hazem; Vandeborre, Jean Philippe; Guerry, Joris; Le Saux, Bertrand; Filliat, David

Type de document :

Communication dans un congrès avec actes

DOI :

10.2312/3dor.20171049

Titre :

SHREC'17 Track: 3D Hand Gesture Recognition Using a Depth and Skeletal Dataset

Auteur(s) :

de Smedt, Quentin [Auteur]
Modeling and Analysis of Static and Dynamic Shapes [3D-SAM]
Ecole nationale supérieure Mines-Télécom Lille Douai [IMT Lille Douai]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Wannous, Hazem [Auteur]

Ecole nationale supérieure Mines-Télécom Lille Douai [IMT Lille Douai]
Centre de Recherche en Informatique, Signal et Automatique de Lille - UMR 9189 [CRIStAL]
Modeling and Analysis of Static and Dynamic Shapes [3D-SAM]
Guerry, Joris [Auteur]
ONERA, Université Paris Saclay (COmUE) [Palaiseau]
Le Saux, Bertrand [Auteur]
ONERA, Université Paris Saclay (COmUE) [Palaiseau]
Filliat, David [Auteur]
Unité d'Informatique et d'Ingénierie des Systèmes [U2IS]
Flowing Epigenetic Robots and Systems [Flowers]

Éditeur(s) ou directeur(s) scientifique(s) :

I. Pratikakis
F. Dupont
M. Ovsjanikov

Titre de la manifestation scientifique :

3DOR - 10th Eurographics Workshop on 3D Object Retrieval

Ville :

Lyon

Pays :

France

Date de début de la manifestation scientifique :

2017-04-23

Titre de l’ouvrage :

Eurographics Workshop on 3D Object Retrieval

Date de publication :

2017

Mot(s)-clé(s) en anglais :

machine learning
computer graphic
Gesture recognition

Discipline(s) HAL :

Informatique [cs]/Vision par ordinateur et reconnaissance de formes [cs.CV]

Résumé en anglais : [en]

Hand gesture recognition is recently becoming one of the most attractive field of research in pattern recognition. The objective of this track is to evaluate the performance of recent recognition approaches using a challenging ...
Lire la suite >Hand gesture recognition is recently becoming one of the most attractive field of research in pattern recognition. The objective of this track is to evaluate the performance of recent recognition approaches using a challenging hand gesture dataset containing 14 gestures, performed by 28 participants executing the same gesture with two different numbers of fingers. Two research groups have participated to this track, the accuracy of their recognition algorithms have been evaluated and compared to three other state-of-the-art approaches.Lire moins >

Langue :

Anglais

Comité de lecture :

Oui

Audience :

Internationale

Vulgarisation :

Non

Collections :

Centre de Recherche en Informatique, Signal et Automatique de Lille (CRIStAL) - UMR 9189

Source :

Harvested from HAL

Fichiers

https://hal.archives-ouvertes.fr/hal-01563505/document
Accès libre
Accéder au document

https://hal.archives-ouvertes.fr/hal-01563505/document
Accès libre
Accéder au document

https://hal.archives-ouvertes.fr/hal-01563505/document
Accès libre
Accéder au document

document
Accès libre
Accéder au document

17-EG3DOR-SHREC-Hand-Gesture-DeSmedt.pdf
Accès libre
Accéder au document

document
Accès libre
Accéder au document

17-EG3DOR-SHREC-Hand-Gesture-DeSmedt.pdf
Accès libre
Accéder au document

SHREC'17 Track: 3D Hand Gesture Recognition ... BibTeX CSV Excel RIS

Fichiers

SHREC'17 Track: 3D Hand Gesture Recognition ...

BibTeX

CSV

Excel

RIS