@techreport{oai:ipsj.ixsq.nii.ac.jp:00241806,
 author = {設楽, 明寿 and 白石, 優旗 and Akihisa, Shitara and Yuhki, Shiraishi},
 issue = {7},
 month = {Dec},
 note = {我々は，ろう・難聴者と聴者の円滑なコミュニケーションを実現するため，深層学習を用いたセンサグローブによる連続指文字認識システムを開発してきた．そこでは，CNN と LSTM を組み合わせた学習モデルにおいて，F-measure の micro 平均は 92.1% にもかかわらず，F-measure の macro 平均は 64.7% と報告している．理由としては，静止指文字と動的指文字の識別の困難性，指文字から次に表出する指文字との間である「わたり」のデータが多いことによる指文字の認識率の低下などが挙げられる．そこで，Transformer の使用が指文字の認識率の向上に寄与するかについて，CNN と LSTM を組み合わせた学習モデルをベースラインとして定量的評価を実施した．また，個人差の影響が軽減されているかについて，学習に使用するデータの選別を通じて交差検証による性能評価を行った．},
 title = {Transformerを用いた連続指文字認識の精度向上に関する研究―CNN-LSTM複合モデルとの比較分析―},
 year = {2024}
}