CNN 기반 한국 숫자지화 인식 응용에서 표면근전도 샘플링 주파수가 학습 성능에 미치는 영향에 관한 연구
The Study on Effect of sEMG Sampling Frequency on Learning Performance in CNN based Finger Number Recognition
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
본 연구는 CNN에 기반한 한국 숫자지화 인식 시스템의 입력데이터인 표면 근전도 신호에 대한 샘플링 주파수가 CNN의 학습 성능에 미치는 영향을 검토하였다. 표면 근전도의 샘플링 주파수가 크면 수집한 많은 양의 입력데이터에 대한 학습 시간이 길어지므로 실시간 시스템의 구현이 어려움이 발생하고 고가의 표면 근전도 측정장비를 필요로 하므로 표면근전도 신호의 샘플링 주파수 선정에서 적정선이 요구된다. 이를 위해 본 연구에서는 1,024Hz, 512Hz, 256Hz, 128Hz 그리고 64Hz의 샘플링 주파수를 선정하고 선정된 샘플링 주파수로 측정한 표면근전도 신호를 입력으로 CNN 학습 성능을 비교하였다. 비교 연구 결과는 선정된 모든 샘플링 주파수로 획득한 표면근전도 신호를 입력데이터를 활용한 CNN 학습 모두가 한국 숫자지화 일부터 다섯을 100% 인식하였으며, 그중에서도 256Hz의 샘플링 주파수로 획득한 표면근전도 신호를 입력데이터로 활용한 CNN 학습이 가장 짧은 시간 안에 이루어졌다.
Abstract
This study investigates the effect of sEMG sampling frequency on CNN learning performance at Korean finger number recognition application. Since the bigger sampling frequency of sEMG signals generates bigger size of input data and takes longer CNN’s learning time. It makes making real-time system implementation more difficult and more costly. Thus, there might be appropriate sampling frequency when collecting sEMG signals. To this end, this work choose five different sampling frequencies which are 1,024Hz, 512Hz, 256Hz, 128Hz and 64Hz and investigates CNN learning performance with sEMG data taken at each sampling frequency. The comparative study shows that all CNN recognized Korean finger number one to five at the accuracy of 100% and CNN with sEMG signals collected at 256Hz sampling frequency takes the shortest learning time to reach the epoch at which korean finger number gestures are recognized at the accuracy of 100%.
참고문헌 (10)
- 홍경찬, "CNN기반의 청각장애인을 위한 수화번역 프로그램", 융합신호처리학회 논문지, 22(4), pp.206~212 (2021), 한국융합신호처리학회[DOI]
- 박한훈, "딥러닝 기술을 이용한 3차원 객체 추적 기술 리뷰", 융합신호처리학회 논문지, 22(1), pp.30~37 (2021), 한국융합신호처리학회[DOI]
- X. Chen, "Pattern recognition of number gestures based on a wireless surface EMG system", Journal of Biomedical Signal Process Control, 8(1), pp.184~192 (2013)
- Y. Wang, "Super-pixel based finger earth mover’s distance for hand gesture recognition", 2019 IEEE international conference on acoustics, speech and signal processing(ICASSP) (2019)
- 박종준, "Korean Finger Number Gesture Recognition Based on CNN Using Surface Electromyography Signals", Journal of Electrical Engineering & Technology, 16(1), pp.591~598 (2021), 대한전기학회[DOI]
- G. Batgerel, "Preliminary Study on the Effect of Sampling Frequency on Learning Convergence in CNN based Finger Number Recognition using sEMG Signals", Proc. of the 1st International Conf. on Convergence Signal Processing Technology, pp.56~57 (2017)
- S. Bae, "Comparison Study of Optimizer on CNN based Finger Number Recognition using sEMG Signals", Proc. of the 2021 International Conf. on Computational Science and Computational Intelligence(CSCI) (2021)
- "Active two user manual, ver. 3.2", Biosemi Inc, ~ (2007)
- 박종준, "표면근전도 신호를 활용한 CNN 기반 한국 지화숫자 인식을 위한 아래팔 근육과 전극 위치에 관한 연구", 한국산학기술학회논문지, 19(8), pp.260~267 (2018), 한국산학기술학회[DOI]